arXiv cs.AI· Zihao Lu, Zhihang Yuan, Litu Ou, Lei Shi·· 3 天前AI 评分35
EGMEMORY：面向长程多参与者对话的证据链记忆框架
Propose, Verify, Commit: Evidence-Grounded Memory for Long-Horizon Multi-Actor Conversations
AI 导读
EGMEMORY 是一个免训练的智能体记忆框架，以证据链保留消息级证据与来源，并追踪状态的修订历史。它在 GroupMemBench 上达到 68.2%、在 EverMemBench 上达到 77.9%，分别超出最强基线 22.7 和 21.4 个百分点，在双人对话基准 LoCoMo 上达到 73.6%。该系统仅通过提示词与工具调用运行，无需针对记忆的策略训练。
正文 · AI 翻译
摘要：记忆使语言模型智能体能够使用其上下文窗口之外的信息，但可靠地维护和访问这些信息仍然困难。长时程对话记忆在多参与者场景中尤其具有挑战性，因为相关证据分散在不同参与者和上下文中，且先前已确立的信息之后可能被修订。我们提出 EGMEMORY，一个无需训练的智能体记忆框架，以证据链为核心，在保留消息级证据和来源的同时跟踪活跃状态及其修订历史。在写入时，自适应记忆检查与基于证据的提议-验证-提交协议共同管理状态更新。在读取时，自适应证据导航迭代地识别查询所需的状态和支持证据，利用对话结构缩小搜索空间，并利用词汇-语义相关性对候选进行排序。该系统通过提示和工具使用运行，无需针对记忆的专门策略训练。EGMEMORY 在 GroupMemBench 上达到 68.2%，在 EverMemBench 上达到 77.9%，分别比评估的最强基线高出 22.7 和 21.4 个百分点。它在双人 LoCoMo 基准上进一步达到 73.6%，支持其适用于多参与者对话之外的场景。
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI） |
| 引用为： | arXiv:2609.23465 [cs.CL] |
| （或 arXiv:2609.23465v2 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2609.23465 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Zhihang Yuan [查看电子邮件]
[v1]
2026年9月20日星期日 08:51:07 UTC（141 KB）
[v2]
2026年10月13日星期二 11:17:52 UTC（178 KB）
来源：arXiv cs.AI · arxiv.org