面向自主AI智能体的新型记忆遗忘技术：相关性与效率的平衡

长程对话智能体需要持久记忆以支持连贯推理，但不受控的记忆累积会导致时间衰减和虚假记忆传播。LOCOMO和LOCCO等基准报告了跨阶段性能从0.455退化到0.05，而MultiWOZ在持久保留设置下显示78.2%的准确率和6.8%的虚假记忆率。本工作提出一个自适应预算化遗忘框架，通过相关性引导的评分和有界优化来调控记忆。该方法融合新近性、频率和语义对齐，在受限上下文下保持稳定。对比分析表明，长程F1超过0.583的基线水平，保留一致性更高，并在不增加上下文占用的前提下减少虚假记忆行为。这些发现证实，结构化遗忘能在防止记忆无限增长的同时保持推理性能，适用于长时对话场景。