Scalaris：面向企业对话AI的可扩展记忆架构

Scalaris 以分离式记忆设计兼顾检索准确率与上下文效率。

资讯摘要

论文提出 Scalaris，一种面向企业级对话 AI 的可扩展记忆架构，通过统一长期与短期记忆设计，分别处理用户交互与助手回复，以缓解检索准确率与上下文效率之间的权衡。作者报告其在 LongMemEval-S 上达 92.2%、LoCoMo 上达 90.77%（使用 Qwen3-32B），检索上下文 token 约为 Hindsight 的十分之一，并在其闭源助手中使整体回复质量提升 36%。

要点速读

1. 论文将用户交互与助手回复分开建模，各自采用专门的表示与摄取/检索流程。
2. 作者报告 Scalaris 在 LongMemEval-S 和 LoCoMo 上分别达到 92.2% 和 90.77%，称均为当前最优。
3. 检索上下文 token 约为 Hindsight 的十分之一；集成到其闭源助手后整体回复质量提升 36%。

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。