ETAMem：解耦并对齐异构记忆的长程对话智能体框架

ETAMem 用事件、情感、时间三视图解耦长程对话记忆

资讯摘要

论文提出 ETAMem，一个多视角记忆框架，用于解决长程对话智能体中的信息纠缠与组织错配问题。该方法先解析异构对话信息、抽取原子记忆单元并识别情感信息，再按事件、情感、时间三个层级视图组织记忆，并以自适应阈值增量维护；检索时按查询分配各视图预算并做层级搜索。作者报告在 LoCoMo 和 LongMemEval-S 上相对准确率分别提升 12.46% 和 7.96%，token 效率保持竞争力。

要点速读

1. 论文指出既有记忆系统存在信息纠缠与组织错配两类问题
2. ETAMem 将记忆组织为事件、情感、时间三个互补层级视图，并用自适应校准阈值增量维护
3. 作者报告在 LoCoMo 与 LongMemEval-S 上相对准确率提升 12.46% 和 7.96%，token 效率具竞争力

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 2026/10/29 08:00:21（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。