Memora：平衡抽象与具体的调和记忆表示

智能体记忆系统必须容纳持续增长的信息，同时为下游任务支持高效、上下文感知的检索。抽象对扩展智能体记忆必不可少，但往往以牺牲具体性为代价，掩盖有效推理所需的细粒度细节。我们提出Memora，一种在结构上平衡抽象与具体的调和记忆表示。Memora通过其主抽象组织信息：为具体记忆值建立索引，并将相关更新合并为统一的记忆条目；同时，线索锚点（cue anchors）扩展跨记忆多个方面的检索通路并连接相关记忆。在此结构之上，我们采用一种检索策略，主动利用这些记忆连接来检索超出直接语义相似性的相关信息。理论上，我们证明标准的检索增强生成（RAG）与基于知识图谱（KG）的记忆系统是我们框架的特例。实证上，Memora在LoCoMo与LongMemEval基准上确立了新的最先进水平，并随记忆规模增长展现出更好的检索相关性与推理有效性。