Rashomon Memory：迈向多视角智能体记忆的论辩驱动检索

在长时间跨度上运行的AI智能体会积累服务于多个并发目标的经验，且常常必须对同一事件保持相互冲突的解释。客户谈判中的一次让步，对一个战略目标而言编码为“建立信任的投资”，对另一个目标而言则是“合同责任”。当前的记忆架构假设存在单一正确编码，或者至多支持统一存储上的多个视图。我们提出Rashomon Memory：一种由并行的目标条件化智能体按各自优先级编码经验、并在查询时通过论辩进行协商的架构。每个视角维护自己的本体与知识图谱。在检索时，各视角提出解释，利用非对称的领域知识互相批评对方的提案，并由Dung论辩语义决定哪些提案存留下来。由此产生的攻击图本身就是一种解释：它记录了哪个解释被选中、考虑过哪些备选方案，以及基于何种理由拒绝它们。我们给出一个概念验证，表明检索模式（选择、组合、冲突呈现）从攻击图拓扑中涌现，而冲突呈现模式——系统报告真实分歧而非强行给出解决方案——使决策者能够直接看到底层的解释冲突。