arXiv cs.CL· Chongyuan Dai, Yaling Shen, Zirui Song, Junfeng Liao, Jinpeng Hu, Xiuying Chen·· 10 小时前AI 评分34
LExMem：面向长期探索任务的图结构基准与 LExGraph 记忆框架
Twists and Turns: A Graph-Based Benchmark and Framework for Long-Term Memory in Exploration Tasks
AI 导读
研究者提出图引导基准 LExMem，用于评估模型在长期探索任务中的记忆能力，包含 224 段对话和 2,018 个问答实例。配套的 LExGraph 框架将对话增量组织为互联记忆节点，通过混合检索与邻居扩展获取证据，实验表现优于现有检索与记忆系统，并可泛化到外部基准。
正文 · AI 翻译
摘要：长期问题求解过程，例如科学研究和软件开发，会沿着一条不断演化的试错轨迹朝着中心目标推进。我们将这类任务称为\textit{探索任务}，它要求模型不仅记住事实，还要记住解决方案如何依据中间结果进行检验，以及早期尝试如何被不断修正或重新启用。然而，现有的长期记忆研究聚焦于事实回忆与更新，忽视了探索过程相互关联的本质。我们观察到，探索过程会自然形成图结构，分支路径通过修正与重新考虑而相互连接。受此启发，我们提出\textsc{LExMem}，一个图引导的基准，用于评估\underline{\textsc{L}}ong-term \underline{\textsc{Ex}}ploration 任务中的\underline{\textsc{Mem}}ory。我们将探索过程建模为图，并引入一种演化机制来提升其结构复杂度，从而得到 224 段对话和 2,018 个由图形结构衍生的问答实例。基于同样的洞见，我们提出\textsc{LExGraph}，一个基于图的记忆框架，它将对话增量式地组织为相互连接的记忆节点，并通过混合检索与邻居扩展来获取证据。大量实验表明，\textsc{LExMem} 对现有的基于检索和基于记忆的系统构成了显著挑战，而\textsc{LExGraph} 取得了更优性能，并能有效泛化到外部基准。代码与数据集见 此 https URL。
| 评论： | 29 页，5 幅图 |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2611.06414 [cs.CL] |
| （或 arXiv:2611.06414v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.06414 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Chongyuan Dai [查看邮箱]
[v1]
2026 年 11 月 4 日星期三 12:13:52 UTC（1,186 KB）
来源：arXiv cs.CL · arxiv.org