arXiv cs.CL· Zirui Liao, Zhengxian Wu, Zhuohong Chen, Yunyao Yu, Xiaoyu Liu, Yifan Xu, Haoqian Wang·· 9 天前AI 评分27
CogMem：为长期对话构建可演化的认知记忆架构
From Retrieval to Reconstruction: Constructing Evolvable Cognitive Memory for Long-Term Dialogue
AI 导读
研究者提出 CogMem 认知记忆架构，基于 PEC²F（Person-Event-Concept-Claim-Fact）图模式，用专门的 Claim 节点保留主观陈述的来源与目标，Fact 和 Event 节点分别表示语义与情景知识。
正文 · AI 翻译
摘要：作为长期对话代理的大语言模型（LLM）需要记忆系统来支持对扩展交互进行可靠推理。然而，现有的检索增强生成（RAG）框架通常将记忆视为被动存储，难以区分带有来源归属的信念与无归属的事件/事实记录，也难以连接分散在不同会话中的证据。我们提出 CogMem，一种基于 PEC$^2$F（Person-Event-Concept-Claim-Fact）图模式的认知记忆架构。专用的 Claim 节点保留主观陈述的来源和目标，而 Fact 和 Event 节点表示语义和情景知识。对话轮次被增量转换为来源感知的图记录，整合为更高层次的事实，并在同一来源提供冲突更新时协调为具有时间范围的 Claim 视图。在检索方面，由 LLM 意图解析驱动的基于规则的控制器组合四种确定性图算子——锚定、遍历、交集和证据接地——以重建与查询相关的上下文。在 LoCoMo 和 LongMemEval 上的实验显示出强劲性能，尤其是在多跳、时序和知识更新任务上。消融实验和语义坍缩探测支持认知分离、整合和代理式检索的互补贡献。代码：this https URL。
| 评论： | 已被 EMNLP 2026（主会议）接收。21 页 |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.11314 [cs.CL] |
| （或 arXiv:2610.11314v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.11314 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：ZiRui Liao [查看邮箱]
[v1]
2026年10月8日星期四 06:21:45 UTC（1,417 KB）
来源：arXiv cs.CL · arxiv.org