CALM：面向长程语言代理的冲突感知记忆生命周期治理

CALM 将记忆保存与查询准入解耦，兼顾当前推理与历史回溯。

资讯摘要

论文提出 CALM，一个冲突感知的记忆生命周期治理框架，将持久记忆保存与查询时准入解耦：把异构记录转为有证据支撑的记忆单元，依据支持、冲突与依赖信号更新有效性和生命周期状态，并按时间适用性以免训练或学习式门控筛选查询相关证据。作者报告在 LongMemEval-S 和 LoCoMo 上、以 Qwen 与 GPT 为骨干时整体准确率优于现有基线，且保留被取代记录有助于回溯早期状态。

要点速读

1. CALM 将记忆保存与查询时准入分离，用支持、冲突、依赖信号维护记忆单元的有效性与生命周期状态。
2. 作者报告在 LongMemEval-S、LoCoMo 上以 Qwen 和 GPT 为骨干取得最佳整体准确率，查询条件化准入优于简单过滤与重排。
3. 冲突阻断与鲁棒性分析显示该方法抑制错误检索记忆，历史重建实验显示保留被取代记录不影响当前状态回答。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。