论文提出以关系状态和推理状态补充事实记忆的个人智能体框架。
资讯摘要
论文提出 EvoMemState，一种以状态为中心的个人智能体记忆框架，在持久事实之外增加关系状态与推理状态，分别刻画事实的有效性、范围与相互关系，以及事实如何应用于当前请求。方法包含本体引导的记忆状态归纳、基于强化学习的状态演化、状态感知推理三部分。作者报告在长期对话与记忆使用基准上，检索完整性和基于记忆的回答准确率均有提升，代码已公开。
要点速读
- 论文指出既有系统多以独立事实存储记忆，忽略新事实对旧事实的更新、约束与冲突，以及事实对当前请求的适用性与优先级。
- EvoMemState 由本体引导的记忆状态归纳、基于强化学习的状态演化、状态感知推理三个组件构成。
- 作者报告在长期对话与记忆使用基准上，检索完整性和基于记忆的回答准确率相比现有记忆系统有提升，代码与实现细节已公开。
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 2026/11/5 08:00:38（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。