arXiv 论文提出混合记忆架构，LoCoMo 准确率达 90.2%
论文AI 评分 72/100arXiv cs.AI
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
一篇提交至 arXiv 的论文提出面向长程对话智能体的混合记忆架构，由情景记忆与结构化关系记忆两部分组成，并配套一套在保持效率的前提下进行整合的机制。作者在 LoCoMo 与 LongMemEval-S 两个基准上做了实证研究，结果显示两类记忆始终互补，二者合用的效果超过现有最优的记忆框架，在 LoCoMo 上取得 90.2% 准确率，在 LongMemEval-S 上取得 85.5%。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载架构由两类记忆组成
论文针对长程对话智能体的记忆需求：这类智能体需要从交互历史中回忆事实、事件与关系。作者给出的方案是混合记忆架构，把记忆分成情景记忆与结构化关系记忆两类，并设计了一套整合机制来维持效率。材料没有披露两类记忆各自的实现细节、容量规模或检索方式，只说明二者在实验中呈现互补关系。
两个基准上的量化结果
实证部分选取 LoCoMo 与 LongMemEval-S 两个基准。作者报告，两类记忆组合使用后，表现稳定优于现有最优的记忆框架，在 LoCoMo 上达到 90.2% 准确率，在 LongMemEval-S 上达到 85.5%。材料未给出与各对比框架的逐项差值，也未说明消融实验中单独使用某一类记忆时的分数，因此互补性目前只有定性表述与合用的总分支撑。
为什么值得看
长程对话智能体的记忆瓶颈有可复现的量化结果：两类记忆互补，且两个基准的准确率都给出了具体数字。
智能体论文
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。