Aeon：面向长程 LLM 智能体的高性能神经符号记忆管理

大语言模型（LLM）从根本上受到自注意力的二次计算成本和“迷失在中间”现象的限制，其中推理能力随着上下文窗口的扩大而下降。现有的解决方案，主要是依赖于向量数据库的“Flat RAG”架构，将内存视为非结构化的嵌入包。这种方法无法捕捉长视域交互的层次结构和时间结构，导致“矢量雾”，即检索缺乏情景连续性的脱节事实。我们提出了 Aeon，一种神经符号认知操作系统，它将内存重新定义为托管操作系统资源，而不是静态存储。 Aeon 将内存构建为 Memory Palace（通过 Atlas 实现的空间索引，这是一种 SIMD 加速的页面聚集向量索引，它将小世界图导航与 B+ 树式磁盘局部性相结合，以最大限度地减少读取放大）和 Trace（神经符号情景图）。我们引入了语义后备缓冲区（SLB），这是一种预测缓存机制，利用会话局部性来实现亚毫秒级检索延迟。基准测试表明，Aeon 在会话工作负载上实现了 < 1 毫秒的检索延迟，同时通过零拷贝 C++/Python 桥确保状态一致性，从而有效地为自主代理提供持久的结构化内存。