论文发布真实电商行为流记忆基准与 BehaviorMem 方法。
资讯摘要
论文提出持续行为用户记忆问题，要求同时支持记忆具体行为证据与推断潜在偏好，并分别评估两种能力。作者构建 BehaviorMemBench，基于真实电商日志覆盖1194名用户、17462个行为批次、跨度超三年，含自动未来行为标签与任务无关记忆接口。论文提出的 BehaviorMem 以两轴状态组织显式行为事实与推断特征，实验显示其在记住与推断两项上领先所评估的智能体记忆方法。
要点速读
- BehaviorMemBench 基于真实电商日志，覆盖1194名用户、17462个行为批次、超三年数据，并提供自动未来行为标签。
- 论文提出 BehaviorMem，将显式行为事实与推断的用户特征按长期和短期范围组织为两轴状态，支持证据锚定形成、持续维护与查询无关读取。
- 在两个构建器和两个任务读取器上的实验显示，BehaviorMem 在记住与推断两项能力上领先所评估的智能体记忆方法，且两种能力下方法排名不同。
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 2026/10/28 08:00:17（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。