论文
EverMemOS：面向结构化长程推理的自组织记忆操作系统
EverMemOS: A Self-Organizing Memory Operating System for Structured Long-Horizon Reasoning
摘要
大型语言模型（LLM）越来越多地被部署为长期交互 Agent，但其有限的上下文窗口使其难以在长时间交互中保持连贯行为。现有记忆系统往往存储孤立记录并检索片段，限制了它们整合演化中的用户状态与化解冲突的能力。我们提出 EverMemOS，一个实现受 engram（记忆印迹）启发的计算记忆生命周期的自组织记忆操作系统。情景痕迹形成（Episodic Trace Formation）将对话流转换为 MemCell，捕获情景痕迹、原子事实与有时间边界的 Foresight 信号。语义巩固（Semantic Consolidation）将 MemCell 组织为主题化的 MemScene，提炼稳定的语义结构并更新用户画像。重构性回想（Reconstructive Recollection）执行 MemScene 引导的 Agent 检索，为下游推理组合必要且充分的上下文。在 LoCoMo 与 LongMemEval 上的实验表明，EverMemOS 在记忆增强推理任务上取得最先进的性能。我们进一步报告了 PersonaMem v2 上的画像研究，以及展示用户画像与 Foresight 等面向聊天能力的定性案例研究。代码发布于 https://github.com/EverMind-AI/EverMemOS。
