arXiv cs.CL· Xinying Qian, Ying Zhang, Yu Zhao, Xubo Liu, Baohang Zhou, Jeff Z. Pan·· 12 小时前AI 评分34
ETAMem：为长期对话智能体解耦并对齐异构记忆
ETAMem: Decoupling and Aligning Heterogeneous Memory for Long-Term Conversational Agents
AI 导读
ETAMem 是一个多视角记忆框架，通过解耦异构对话信息，将原子记忆单元组织为 Event、Affect、Time 三个层级视图，并用基于熵的检索按视图分配查询预算。在 LoCoMo 和 LongMemEval-S 上，ETAMem 相对准确率分别提升 12.46% 和 7.96%，同时保持有竞争力的 token 效率。
正文 · AI 翻译
摘要：长期记忆使大型语言模型（LLM）能够在长时间对话中保持连贯且个性化的交互。然而，现有记忆系统面临两个关键挑战：（1）信息纠缠，即异构信息混杂在粗粒度的记忆单元中；（2）组织失配，即主要基于语义相似度的记忆结构可能忽略其他关联。为应对这些挑战，我们提出 ETAMem，一种多视图记忆框架，它解耦异构对话信息，并使记忆表示与组织方式与其不同特性相匹配。具体而言，异构信息解析提取原子记忆单元并识别情感信息。随后，视图特定的记忆结构化将这些单元组织为三个互补的层次化视图：事件、情感和时间。ETAMem 通过自适应校准的阈值增量维护记忆结构。在检索方面，基于熵的检索为各视图分配查询特定的预算，并在每个视图内执行层次化搜索。在 LoCoMo 和 LongMemEval-S 上的实验表明，ETAMem 优于最先进的基线，相对准确率分别提升 12.46% 和 7.96%，同时保持有竞争力的 token 效率。进一步分析证明了不同记忆视图的互补优势。
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.37443 [cs.CL] |
| （或 arXiv:2610.37443v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.37443 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Xinying Qian [查看邮箱]
[v1]
2026年10月27日星期二 15:51:42 UTC（5,959 KB）
来源：arXiv cs.CL · arxiv.org