M2A：面向长期个性化交互、具备双层混合记忆的多模态记忆智能体

本工作应对长期人机交互中个性化问答的挑战：当对话历史跨越数周或数月并超出上下文窗口时，现有个性化机制难以持续吸收并利用用户的增量概念、别名与偏好。当前的个性化多模态模型大多是静态的——概念在初始化时固定，无法在交互过程中演化。我们提出M2A，一个智能体式的双层混合记忆系统，通过在线更新维护个性化多模态信息。该系统采用两个协作智能体：ChatAgent管理用户交互并自主决定何时查询或更新记忆，而MemoryManager将来自ChatAgent的记忆请求分解为对双层记忆库的详细操作；该记忆库将RawMessageStore（不可变的对话日志）与SemanticMemoryStore（高层观察）相耦合，提供不同粒度的记忆。此外，我们开发了一个可复用的数据合成流水线，将来自Yo'LLaVA与MC-LLaVA的基于概念的会话注入LoCoMo长对话，同时保持时间连贯性。实验表明，M2A显著超越基线，说明将个性化从一次性配置转变为共同演化的记忆机制，为长期多模态交互中的高质量个性化回复提供了一条可行路径。代码可在 https://github.com/Little-Fridge/M2A 获取。