arXiv cs.CL· Yanyu Yao, Shangze Li, Zhi Zheng, Hui Zheng, Qi Liu, Tong Xu, Enhong Chen·· 11 小时前AI 评分38
AtomMem：用原子事实为 LLM 智能体构建简单高效的记忆系统
AtomMem: Building Simple and Effective Memory System for LLM Agents via Atomic Facts
AI 导读
针对 LLM 固定上下文窗口限制长期信息积累的问题，AtomMem 提出一种长期记忆系统，通过 Fact Executor 从长对话中抽取高价值原子事实作为高效记忆表示，并组织为层级事件结构与时间画像，检索时激活关联记忆图连接碎片化记忆。在 LoCoMo benchmark 上，AtomMem 在多项推理任务中达到 SOTA，为部署个性化智能体提供了可扩展且经济可行的方案。
正文 · AI 翻译
摘要：大型语言模型（LLM）展现出强大的推理与生成能力，但其固定的上下文窗口限制了跨多会话交互中的长期信息积累与复用。现有的记忆增强系统往往以粗粒度且不稳定的方式构建记忆，依赖低效的记忆表示或不稳定的无约束更新。为应对这些挑战，我们提出 AtomMem，一个面向高价值密度存储与稳定记忆演化的长期记忆系统。AtomMem 引入事实执行器（Fact Executor），从长程交互中选择性提取高价值原子事实，作为高效的记忆表示。随后，AtomMem 将这些事实组织为分层事件结构与时间画像，捕捉连贯的情景上下文并追踪随时间动态演化的用户属性。在检索阶段，系统激活联想记忆图以连接碎片化记忆。在 LoCoMo 基准上的实验证实，AtomMem 在各类推理任务上均达到最先进性能，为部署智能个性化代理提供了可扩展且经济可行的方案。
| 评论： | 23 页，10 幅图，8 张表 |
| 主题： | 计算与语言（cs.CL） |
| ACM 分类： | I.2.7 |
| 引用为： | arXiv:2606.19847 [cs.CL] |
| （或 arXiv:2606.19847v2 [cs.CL] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2606.19847 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Yanyu Yao [查看邮箱]
[v1]
2026 年 6 月 18 日星期四 06:56:15 UTC（2,547 KB）
[v2]
2026 年 10 月 31 日星期六 14:38:22 UTC（2,504 KB）
来源：arXiv cs.CL · arxiv.org