arXiv cs.AI· Xinyuan Song, Bowen Zhu, Hasibul Haque, Liang Zhao·· 2 天前AI 评分40
MEMONDEMAND：面向大规模企业数据的记忆管理系统
MEMONDEMAND: A Memory Management System for Large-Scale Enterprise Data
AI 导读
MEMONDEMAND 是一个面向大规模企业仓库的记忆管理系统，通过动态多级层级、每层双记忆（蒸馏路由与详细证据分离）和按需记忆提升三种机制协同工作。在 EnterpriseRAG-Bench 上，它从 10M token 到完整 618M token 集合的每个评测规模均超越已公开的 LB#1 最强结果，10M 时提升 12.23%，618M 时提升 4.66%。
正文 · AI 翻译
摘要：企业级存储库规模庞大、异构且持续更新，当需要同时支持高效访问、忠于来源的证据以及跨查询自适应时，检索变得困难。企业记忆将检索扩展到模型上下文之外，但现有系统无法在此规模上同时解决特定集合的层次结构构建、低成本路由、详细证据加载以及工作负载感知的记忆更新。我们提出 MEMONDEMAND，即 On-Demand Memory（按需记忆），一种记忆管理系统，具有三种协同机制：动态多级层次结构，为每个集合确定抽象结构和深度；每个层次级别的双重记忆，将蒸馏路由与详细证据分离；以及按需记忆提升，在有界活动状态预算下更新节点优先级。在 EnterpriseRAG-Bench 上，MEMONDEMAND 在从 1000 万 token 到完整的 6.18 亿 token 集合的每个评估规模上都优于已发表的最强 LB#1 结果，在 1000 万规模上提升 12.23%，在 6.18 亿规模上提升 4.66%。在 FinanceBench、HotpotQA 和 FRAMES 上的结果进一步表明其在金融、多跳和事实检索场景中表现强劲。总之，这些结果确立了 MEMONDEMAND 是一种准确、高效且可扩展的记忆解决方案，适用于跨数据规模、领域和证据要求的超大型企业存储库。我们的代码可在 此 https URL xfab-xinyuansong/MemOnDemand.git 获取。
| 学科： | 人工智能（cs.AI） |
| 引用为： | arXiv:2608.22141 [cs.AI] |
| （或 arXiv:2608.22141v2 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2608.22141 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Bowen Zhu [查看电子邮件]
[v1]
2026年8月22日星期六 23:54:38 UTC（4,299 KB）
[v2]
2026年10月15日星期四 05:14:48 UTC（2,408 KB）
来源：arXiv cs.AI · arxiv.org