AtomMem：用原子事实为LLM智能体构建长期记忆系统

AtomMem 用原子事实构建LLM智能体长期记忆，LoCoMo上报告最优。

资讯摘要

论文提出 AtomMem，一种面向 LLM 智能体的长期记忆系统，旨在解决固定上下文窗口限制跨会话信息积累、现有记忆系统表示粗糙且更新不稳定的问题。系统通过 Fact Executor 从长对话中抽取高价值原子事实，组织为层级事件结构与时间画像，并在检索时激活关联记忆图。作者报告在 LoCoMo 基准的多项推理任务上取得最优表现。

要点速读

1. 论文提出 Fact Executor，从长程交互中抽取高价值原子事实作为记忆表示
2. 原子事实被组织为层级事件结构和时间画像，检索时通过关联记忆图连接碎片化记忆
3. 作者报告在 LoCoMo 基准的多项推理任务上达到最优性能

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 2026/11/4 08:00:28（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。