记忆不该只是一堆事实:EvoMemState 让个人 Agent 学会“现在该怎么用”

你有没有遇到过这样的个人 Agent:你上个月说喜欢徒步,这个月改口说想去海边,它却把两个偏好揉成一句“你既喜欢徒步也喜欢海边”;或者你明明在问采购评测,它却拿你过去随口表达的产品偏好来替你做决定。

问题不一定是它没记住。更可能的是,它记住了太多孤立的事实,却不知道这些事实之间谁更新了谁、谁和谁冲突,也不知道在当前请求里该听谁的。

核心摘要:EvoMemState 把个人记忆从“事实集合”改成“事实加状态”。持续保存的 Relational State 记录事实的有效性、适用范围、更新与冲突关系;针对每次请求生成的 Reasoning State 则用动态规则告诉回答模型该采用哪条证据、赋予什么角色、排在什么优先级。后者由约 60K 问答—记忆样本和 GRPO 训练。四套基准上,Qwen3-8B 的综合均分达到 59.9,最强基线为 53.6;MemSyco-Bench 达到 57.6,比最强基线高 12.2 个点。我觉得这篇论文最有价值的不是又画了一张记忆图,而是把“记住了什么”和“此刻该怎样使用记忆”拆成了两个可优化的对象;不过,它的离线训练、图构建成本和条件子集评测,也留下了不少需要继续验证的地方。

论文信息

  • 标题:EvoMemState: Evolving Memory State for Personal Agents
  • 作者:Zhishang Xiang、Yunbo Tang、Zhongqiao Liu、Junkai Chen、Zerui Chen、Qingguo Hu、Yuxuan Zhang、William Grant、Qinggang Zhang、Jinsong Su
  • 机构:厦门大学、南洋理工大学、英属哥伦比亚大学、滑铁卢大学、吉林大学
  • 提交日期:2026 年 11 月 2 日
  • 论文:https://arxiv.org/abs/2611.03743
  • 代码:https://github.com/XMUDeepLIT/EvoMemState.git

一、检索到事实,离正确使用还差两步

传统长期记忆系统的流水线很顺:对话来了,抽取事实;问题来了,向量检索;把命中的事实塞进提示词,回答。

这条链路默认了一个很强的假设:事实被检索到以后,它当前是否成立、在什么范围成立、和其他事实是什么关系,模型自己会弄明白。

现实没这么省心。新偏好会覆盖旧偏好,两条记忆可能仍未消解地冲突,一条只适用于家庭出行的偏好也不该渗透到工作采购里。EvoMemState 把问题拆成两个缺口:证据没有连完整,以及证据完整以后仍然用不对。

图1:从事实中心到状态中心的个人记忆范式

图 1:上半部分是常见的“对话—事实—检索—回答”链路;下半部分把记忆改写为 Fact + State。Relational State 持续描述事实间关系,Reasoning State 针对当前请求指导使用。注意,事实并没有被状态替代,原始事实仍然保留。

1.1 第一个缺口:检索命中,不等于证据齐全

作者在 MemSyco-Bench 的 Valid Memory Selection 子集上做了预实验。这里的问题必须联合存在更新、冲突或约束关系的多条记忆才能答对,正适合检验“单条相似度检索”的短板。

图2:相关记忆的完整检索与条件回答准确率

图 2:左侧深色表示证据未完整检索,浅绿色表示完整检索,灰色表示两类证据都未取回;右侧比较两种条件下的回答准确率。MemoryBank、LightMem、Supermemory 分别有 58.9%、61.8%、58.0% 的样本没有完整取回相关记忆。

结果很直观:在五个受测系统中,有四个系统在证据完整时的准确率高出 5.9 到 33.3 个点。LightMem 从不完整证据下的 38.1 升到完整证据下的 71.4,差距尤其大。

所以,只优化 embedding 或 top-k 并不够。查询可能只和“喜欢海边”相似,却必须顺着更新关系带回“过去喜欢徒步”,再带上时间和有效性,回答才有可靠上下文。

1.2 第二个缺口:证据全了,模型还是可能站错队

那把所有证据都给它,再加一句“请反思该怎样使用这些记忆”,能不能解决?

作者的答案是否定的。固定 self-reflection 让多数系统原地踏步,甚至倒退:平均准确率从 50.5 降到 48.9,Mem0 降幅最大,为 1.6 个点。

图3:固定自我反思并不能稳定改善记忆使用

图 3:六组柱子比较无反思与固定反思。A-MEM 下降 0.8 个点,Mem0 下降 1.6 个点,MemGPT 下降 0.1 个点,Supermemory 下降 0.4 个点;LightMem 和 MemoryBank 只分别增加 0.4、0.1 个点。

看到这个结果我其实挺赞同作者没有继续堆提示词。泛泛地说“请仔细检查记忆”,没有告诉模型当前任务究竟应优先考虑最新偏好、客观评测还是适用范围。反思只是一个额外生成步骤,不是一条学会了做选择的策略。


二、EvoMemState:把记忆拆成事实、关系状态和推理状态

整套系统可以先记成一句话:原始事实负责留痕,Relational State 负责解释事实现在如何成立,Reasoning State 负责决定这次回答怎么用。

图4:EvoMemState 的总体框架

图 4:左侧面板从对话抽取原子记忆并构建本体图;中间面板训练 Memory State Evolution Policy,用有规则与无规则回答的得分差构造奖励,再做 GRPO 更新;右侧面板在推理时做种子检索、关系扩展、动态规则生成和状态感知回答。图中的旅行例子同时保留了徒步旧偏好、海边新偏好,以及 500 美元与 900 美元之间的未解决预算冲突。

三个概念放在一张表里更清楚:

组成 生命周期 记录或生成的内容 回答时的作用
Persistent Facts 持续保存,不被后事实覆盖 原子命题、来源轮次、证据片段、时间、限定条件 提供可追溯的原始信息
Relational States 跨请求持续存在,随新对话演化 当前有效性、适用范围、概念归属、更新与冲突关系 把相关事实组织成完整证据
Reasoning State 每个请求临时生成 2—4 条动态规则,说明证据适用性、角色与优先级 指导回答模型正确使用证据

这个划分比“再加一层摘要”更有意思。摘要通常会压缩历史,Reasoning State 则保留原证据,只在旁边加一份针对当前任务的使用说明。回答模型仍能核对事实,不必把动态规则当成新的真相来源。

2.1 本体引导的状态归纳:旧事实不删,有效性单独更新

对截至第 \(t\) 轮的对话,系统抽取有序事实集合 \(\mathcal{F}_t=\{f_1,\ldots,f_{N_t}\}\)。每条事实只表达一个命题,同时保留来源、时间和证据片段。

新事实按时间顺序进入本体图:

\[ \mathcal{G}^{(i)}=\operatorname{Induce}\left(\mathcal{G}^{(i-1)},f_i\right) \]

图里有概念节点和事实节点。PARENT_OF 组织概念层级,CONTAINS 把事实挂到最具体的概念下;SUPERSEDES 表示更新,CONFLICTS_WITH 保留尚未解决的冲突。

每条事实 \(f_i\) 对应一个关系状态:

\[ r_i^t=(f_i,a_i^t,\rho_i^t) \]

其中,\(a_i^t\) 是当前有效性与范围,\(\rho_i^t\) 是概念归属及它和其他事实的关系。旧偏好被取代时,系统修改的是 \(a_i^t\) 和 \(\rho_i^t\),不是把 \(f_i\) 抹掉。这一点很关键:回答“我现在喜欢什么”与“我过去喜欢什么、何时改变”需要的是同一份可追溯历史,而不是覆盖后的单行资料卡。

图7:本体图的 CREATE、MERGE 与 SPLIT 操作

图 7:CREATE 为新语义域增加子概念,例如给 Travel 增加 Budget;MERGE 合并 Preferences 与 Trip tastes 这样的重复概念,同时保留别名;SPLIT 把过载的 Travel info 细化成 Preferences 和 Budget,并重新分配事实。底部列出的来源、时间、范围、有效性与关系都会随证据保留。

实际构建不是把整张大图反复塞给模型。每个新会话只取相关本地分支,包含相邻概念、代表性事实及关联边,再让模型提出最小图修改。提交前还会校验事实是否能在对话中找到依据、关系端点类型是否兼容、更新关系是否无环,以及每个非根概念是否只有一个父节点。

工程上这是个稳妥设计,但也要看到风险:校验能保证图结构合法,不能保证抽取语义一定正确。一旦 SUPERSEDES 被误连,后续遍历会把错误关系当成事实传播下去。

2.2 用 GRPO 学“记忆使用规则”,而不是训练回答模型

关系状态解决“有哪些证据”,还没有解决“该听谁的”。EvoMemState 为此单独训练一个策略模型 \(\pi_\theta\),输入请求 \(q\)、相关事实 \(\mathcal{F}_q\) 和关系状态 \(\mathcal{R}_q\),输出 Reasoning State:

\[ \mathcal{Z}_q\sim\pi_\theta\left(\cdot\mid q,\mathcal{F}_q,\mathcal{R}_q\right) \]

训练时,同一个请求会采样 \(G\) 份候选动态规则。每份规则都交给同一个冻结的 Qwen3-8B 回答模型,记忆证据保持不变。第 \(i\) 份候选的奖励是:

\[ R_i=\operatorname{Score}\left(\mathcal{A}(q,\mathcal{M}_q,\mathcal{Z}_q^{(i)}),y^*\right)-\operatorname{Score}\left(\mathcal{A}(q,\mathcal{M}_q),y^*\right) \]

我喜欢这个奖励的地方在于,它直接问“加了这份规则,答案有没有变好”,而不是让另一个模型评价规则读起来是否合理。格式错误和泄露参考答案还会受罚。

GRPO 再把同组候选奖励归一化得到相对优势,配合裁剪目标与 KL 约束更新策略模型。DeepSeekMath 提出的 GRPO 用组内相对奖励替代 PPO 的独立价值网络;放到这里,候选之间比的正是哪套记忆使用决策更能帮助冻结 Agent。

训练配置如下:

配置项 论文设置
初始化策略模型 Qwen3-4B-Instruct-2507
训练数据 约 60K 问答—记忆实例,来自 FEVER、SciFact、PersonaMem
困难负例 无关日常信息、同用户其他主题偏好、同会话不同主题偏好
每组候选数 \(G=8\),采样温度 1.0
批次 rollout batch 512,global batch 4096
优化器 Adam,恒定学习率 \(1\times10^{-6}\)
KL 系数 0.001,低方差估计器
长度限制 提示词 8192 token,Reasoning State 512 token
冻结回答模型 Qwen3-8B,回答上限 512 token

要澄清一个容易被“evolving”带偏的地方:部署推理时并没有持续做强化学习。 持续变化的是本体与关系状态;GRPO 在离线阶段训练好策略,推理时只生成当前请求的动态规则。它更像“离线学会使用不断演化的记忆”,不是用户每聊一次就在线更新一次策略权重。

2.3 推理:先沿关系补齐证据,再生成 2—4 条动态规则

在线阶段,bge-m3 把事实编码成 1024 维向量,相似度检索先取 \(K=10\) 个种子。随后沿存储的关系双向遍历,把更新前后版本、冲突另一端及约束事实一起取回,并对重复事实去重。

形式化写法是:

\[ \mathcal{F}_q=\bigcup_{f\in\operatorname{Retrieve}_{sim}(q,\mathcal{F}_t,K)}\operatorname{Traverse}(f,\mathcal{R}_t) \]

接着,训练好的 Qwen3-4B 策略以 0.3 的温度生成 Reasoning State。提示词要求输出 2—4 条简短祈使句、总长不超过 80 个英文单词,并给证据标上主要证据、用户偏好、约束、条件、历史背景或辅助背景等角色。最终回答模型同时看到原事实、关系状态和动态规则,而不是只看规则。

图10:动态记忆规则的三类实际案例

图 10:偏好更新案例中,规则优先采用未来感电子音色,排除已被取代的传统音色库;证据冲突案例中,2026 年采购评测支持 Cygnus,其优先级高于用户个人倾向 Atlas;范围控制案例中,“输出一个完整家庭日方案”的偏好被保留,但收集链接和案例的其他领域习惯没有混入答案。

这三个案例把抽象定义讲得很清楚。Reasoning State 不是对记忆做内容摘要,而是在做证据调度:谁可用、扮演什么角色、谁优先。


三、实验:提升主要来自“会用”,不是单纯“检索更多”

3.1 评测设置

论文用了四套基准,覆盖两种容易混淆的能力:

基准 主要考察内容
MemSyco-Bench 何时使用个性化记忆、怎样跟随偏好更新,以及避免历史偏好压过客观事实或越过适用范围
MemTrapBench 旧任务规则、认知偏差、创伤回避与反事实前提是否干扰当前推理
LoCoMo 跨会话个人经历的单跳、多跳、时间与开放域问答
LoCoMo-Refined 修正 LoCoMo 的歧义、主客体反转和时间问题,并用更严格标准评价事实覆盖与矛盾

对比系统包括 NaiveRAG、MemGPT、MemoryBank、Mem0、A-MEM、LightMem、Supermemory、SimpleMem、PGMem。离线记忆构建统一使用 DeepSeek-V4-Flash,在线回答分别使用 Qwen3-8B 和 GPT-4o-mini。

3.2 主结果:两个回答骨干都取得最高综合均分

下表从原论文 Table 1 摘出各基准汇总指标与 Overall。Overall 是不同任务指标的平均,只适合观察整体趋势,不应当理解成某种统一准确率。

系统 MemSyco Qwen / GPT MemTrap Qwen / GPT LoCoMo-R Judge Qwen / GPT LoCoMo Judge Qwen / GPT Overall Qwen / GPT
NaiveRAG 42.4 / 48.7 73.6 / 70.7 39.0 / 43.2 35.8 / 36.9 47.4 / 49.3
MemGPT 39.0 / 46.9 61.3 / 64.8 45.7 / 49.1 37.0 / 39.1 45.7 / 50.3
MemoryBank 44.2 / 48.7 70.7 / 72.5 44.9 / 52.8 41.0 / 45.3 49.9 / 54.2
Mem0 36.3 / 39.7 73.4 / 71.4 25.7 / 28.9 23.8 / 25.2 39.2 / 40.4
A-MEM 45.4 / 53.0 74.6 / 71.9 41.8 / 49.1 37.1 / 41.9 49.6 / 53.4
LightMem 31.0 / 33.8 79.7 / 77.5 25.3 / 24.2 24.0 / 25.1 39.5 / 39.3
Supermemory 39.5 / 42.2 68.6 / 69.2 16.6 / 15.8 15.8 / 14.8 35.1 / 35.5
SimpleMem 37.7 / 34.0 79.9 / 76.1 51.3 / 53.8 46.4 / 48.4 53.6 / 52.8
PGMem 41.8 / 45.2 74.5 / 74.7 28.5 / 19.8 25.2 / 17.6 42.6 / 39.1
EvoMemState 57.6 / 58.9 79.1 / 78.7 57.4 / 60.8 45.5 / 46.4 59.9 / 61.2

MemSyco-Bench 上,Qwen3-8B 的 57.6 比最强基线 A-MEM 的 45.4 高 12.2 个点;GPT-4o-mini 的 58.9 比 A-MEM 的 53.0 高 5.9 个点。LoCoMo-Refined 的 Judge Score 也分别比最强基线高 6.1 和 7.0 个点。

不过,它并非每一栏都赢。Qwen3-8B 下,SimpleMem 的 MemTrap 均分 79.9 高于 EvoMemState 的 79.1;GPT-4o-mini 下,SimpleMem 的 LoCoMo Judge Score 48.4 也高于 EvoMemState 的 46.4。我的读法是:这套方法最擅长的是偏好变化、证据优先级和范围判断,不是包打所有对话回忆任务。

3.3 两类状态分别有效,但“完整检索最好”这个说法不成立

图5:完整检索率与证据完整时的回答准确率

图 5:浅绿是平均完整检索率,深蓝和青绿分别是 LoCoMo-Refined、MemSyco-Bench 的 Acc@complete。EvoMemState 的完整检索率为 85.6%,略低于 MemoryBank 的 86.4%;但两项 Acc@complete 分别达到 70.8% 和 68.5%,领先最明显。

这组结果很适合检验论文是否真的解决了两个缺口。EvoMemState 的平均完整检索率 85.6%,只是接近最佳,并没有超过 MemoryBank 的 86.4%;可是证据完整以后,它在 LoCoMo-Refined 上达到 70.8%,比最强基线高 11.5 个点,在 MemSyco-Bench 上达到 68.5%,高 31.2 个点。

所以真正的差异发生在“证据已经摆在桌面上”以后。

这里也得给比较加一个脚注:各系统 Acc@complete 是在各自完整检索成功的样本子集上计算,子集并不相同,不能把它当成严格相同样本上的配对胜负。论文已经提醒要联合看两项指标,读图时更不能只挑最高的柱子。

附录的 LoCoMo-Refined 金标准证据恢复结果更有说服力,因为这里统一看所有问题:

方法 检索命中率 平均证据覆盖率 完整检索率
EvoMemState 0.816 0.747 0.680
MemoryBank 0.789 0.727 0.669
A-MEM 0.789 0.724 0.662
NaiveRAG 0.684 0.615 0.564
MemGPT 0.453 0.384 0.323
LightMem 0.166 0.144 0.129
Mem0 0.110 0.095 0.086
Supermemory 0.006 0.004 0.003

完整检索率只有 0.680,也说明它仍会在约三分之一问题上漏掉至少一条金标准证据。关系扩展改善了证据连接,并没有把检索问题消灭。

3.4 跨系统迁移:动态规则能复用,但幅度并不均匀

图6:Reasoning State 跨记忆系统迁移

图 6:把同一策略模型接到六种记忆系统后,在 MemSyco-Bench、MemTrapBench、LoCoMo-Refined 上取平均。所有系统都有提升,NaiveRAG 与 MemoryBank 增益最大,LightMem 最小。

记忆系统 Base 加 Reasoning State 增益
NaiveRAG 51.7 56.5 4.9
Mem0 45.1 47.4 2.2
A-MEM 53.9 57.3 3.4
MemoryBank 53.3 58.0 4.8
MemGPT 48.6 49.3 0.7
LightMem 45.3 45.5 0.2

这组实验排除了“只有自家图结构才能吃红利”的一部分疑虑。策略模型可以处理其他系统提供的证据,并带来 0.2 到 4.9 个点的增益。

但坦率地讲,0.2 和 0.7 个点的实际稳定性很难判断,论文没有给出方差或统计显著性检验。迁移趋势是正向的,具体每个系统提升多少,还不能只看一张均值图下结论。

3.5 消融:未经 RL 的规则生成,接近没有规则

方法 MemSyco Avg. LoCoMo-R Judge LoCoMo Judge MemTrap Avg. Overall
完整 EvoMemState 57.6 57.4 45.5 79.1 59.9
去掉 Relational State 48.7 54.9 45.2 72.7 55.4
去掉 Reasoning State 49.6 55.8 42.5 64.1 53.0
去掉 RL-Based State Evolution 49.7 55.4 45.0 62.7 53.2

去掉关系状态,MemSyco 和 MemTrap 分别下降 8.9、6.4 个点;去掉 Reasoning State,降幅为 8.0、15.0 个点。

最有信息量的是第三行和第二行的对比。保留规则生成器、却不做 RL,Overall 只有 53.2,几乎等同于完全不要 Reasoning State 的 53.0;MemTrap 甚至更低,62.7 对 64.1。这个结果支持了前面的预实验:多生成一段“指导”没有天然价值,指导是否由下游答案反馈训练过才重要。

3.6 检索上下文更短,但完整系统成本没有被算完

EvoMemState 在 LoCoMo-Refined 上平均向回答模型提供 565 token,检索命中率 0.816。MemoryBank 和 A-MEM 的命中率都是 0.789,上下文分别为 816 和 1440 token。相对二者,EvoMemState 的上下文分别短 30.8% 和 60.8%。

这个效率来自把长对话背景拆成短事实与显式关系:找到相关事实后沿边扩展,不必把整段会话或长笔记都塞进来。MemSyco-Bench 上,它平均每个记忆库只有 22.1 条记录和 27.3 条边,记录密度为每千字符 9.69 条。

不过,565 token 只统计回答模型看到的检索上下文。 它没有包含离线本体构建的 LLM 调用、图校验、在线额外一次 Qwen3-4B 规则生成,也没有报告端到端延迟、显存、训练耗时或费用。对想上线的人来说,这些恰恰是决定成本的部分。


四、放到已有工作里看,它新在哪里?

A-MEM 已经借鉴 Zettelkasten,为记忆生成上下文描述、关键词和标签,动态建立笔记链接,并在新记忆到来时改写旧笔记属性。Mem0 等系统也在做事实抽取、压缩、图存储与更新。EvoMemState 不是第一个让记忆“连起来”或“会变”的工作。

我觉得它真正多走的一步,是把演化拆成两个时间尺度,并把其中一步变成可训练策略:

方案 记忆组织 当前请求的使用决策
典型事实型记忆 / Mem0 类流程 抽取并压缩事实,向量或图检索 主要由回答模型从提示词自行判断
A-MEM 上下文笔记、动态语义链接、笔记属性演化 检索关联笔记后由回答模型使用
EvoMemState 原子事实不改写,带类型的本体、有效性、范围、更新与冲突关系持续演化 独立策略经答案差分奖励训练,生成请求级动态规则

本体构建和 GRPO 都是成熟组件,创新不在这两个零件本身,而在它们各自对准了一个明确故障:前者补证据连接,后者补证据使用。消融结果也说明,少了任何一侧,整体收益都会明显缩水。

这套抽象对产品工程很友好。原始事实和状态分离,方便审计、纠错和回答历史问题;动态规则与原证据一起下发,方便回放“模型为什么忽略旧偏好”;策略模型独立于回答模型,理论上可以替换底层 Agent,而不用重训整个回答骨干。


五、我的保留意见:结果有吸引力,但离真实个人助理还有距离

评测与训练分布需要更独立。 约 60K 训练实例来自 FEVER、SciFact 和 PersonaMem,并非直接用四套测试集训练,这是好事。但 MemSyco-Bench 的前序工作与当前论文有共同作者,任务定义和方法假设可能共享归纳偏置。更强的第三方真实用户轨迹、跨团队基准和人工盲评,会让结论更扎实。

外部裁判与记忆构建模型没有完全解耦。 实验统一用 DeepSeek-V4-Flash 构建记忆,也在需要裁判的基准中使用它做外部 judge。统一构建模型有利于公平比较记忆系统,但同源模型担任构建者和裁判,仍可能带来风格或判断偏好。论文没有提供多裁判一致性或人工评价结果。

均值缺少不确定性。 主表、迁移和消融都只给均值,没有多次运行方差、置信区间或显著性检验。12.2 个点这样的差距很有分量,0.2、0.7 个点的小提升则很难据此排序。LLM judge、图构建和候选规则生成都可能引入波动。

关系遍历可能带来噪声膨胀。 沿关系双向走到连通分量,能保证相关证据更容易被带回,却不能保证每条边都对,也没有在正文中给出扩展规模上限。长期用户图变大后,错误连边、过度连接和上下文膨胀需要专门控制。论文只报告 \(K=10\) 个初始种子,没有充分展开大图的扩展预算。

“持续学习”要按论文实际边界理解。 离线策略训练完成后,在线阶段没有根据新用户反馈继续更新权重。因此它解决的是状态随事实演化、规则随请求变化,而不是策略在用户长期使用中持续强化学习。这个边界不削弱结果,但产品宣传时很容易说过头。

模态与成本仍是开放问题。 作者明确把范围限定在文本交互历史,文档、图片和其他用户材料尚未覆盖。对真实个人 Agent 来说,多模态证据的时间、来源和权限状态只会更复杂;而离线构图和额外策略调用的成本,也决定了它能否从基准走进高频产品。


六、如果你在做个人 Agent,这套设计值得借什么?

不一定马上复刻整套 GRPO。更实际的落地顺序是:先把原始事实做成可追溯、不可静默覆盖的记录;再给有效性、范围、更新和冲突建独立字段与带类型边;检索时不只返回 top-k,还要返回解释这些事实所需的关系邻域。仅这一步,就可能解决大量“旧偏好和新偏好一起塞进提示词”的问题。

等线上积累了足够的“使用记忆后答对或答错”样本,再训练独立规则策略。奖励要比较同一问题、同一证据下有规则和无规则的答案差,而不是只评规则文本像不像人话。规则输出应保持短小、可审计,并始终和原始证据一起提供给回答模型。

我自己的判断是:EvoMemState 是一篇问题拆解比组件堆叠更值钱的论文。 它没有用更大的回答模型覆盖记忆缺陷,而是把“证据是否完整”和“证据是否被正确采用”分开测量、分开优化。85.6% 的完整检索率并非最高,70.8% 和 68.5% 的 Acc@complete 却最能说明它的定位——优势主要发生在记忆使用层。

如果你只想要一个便宜的长对话召回模块,这套系统可能偏重;如果你正在处理偏好更新、冲突证据、权限范围和旧经验干扰当前任务,那么“持久关系状态 + 请求级推理状态”很值得做成基础设施。真正需要继续追问的是,面对多年真实交互、错误连边和多模态材料,这张状态图能否仍然保持可信。


参考资料

  1. EvoMemState 论文与附录:https://arxiv.org/abs/2611.03743
  2. EvoMemState 官方代码:https://github.com/XMUDeepLIT/EvoMemState.git
  3. A-MEM: Agentic Memory for LLM Agents:https://arxiv.org/abs/2502.12110
  4. DeepSeekMath 与 GRPO:https://arxiv.org/abs/2402.03300
  5. Mem0: Building Production-Ready AI Agents with Scalable Long-Term Memory:https://arxiv.org/abs/2504.19413

觉得有启发的话,欢迎点赞、在看、转发。跟进最新AI前沿,关注我