时间不是标签：时间知识图和代理记忆的连续相位旋转

结构化记忆表示（例如知识图）是自主代理和其他长寿命系统的核心。然而，大多数现有方法将时间建模为离散元数据，要么按新近度排序（埋葬旧的但永久的知识），要么简单地覆盖过时的事实，要么在每个摄取步骤都需要昂贵的 LLM 调用，使它们无法区分持久事实和不断变化的事实。为了解决这个问题，我们引入了 RoMem，这是一个用于结构化记忆系统的嵌入式时间知识图模块，适用于代理记忆及其他领域。预训练的语义快速门将每个关系的文本嵌入映射到波动性分数，从数据中学习不断发展的关系（例如“总统”）应该快速旋转，而持久关系（例如“出生于”）应该保持稳定。与连续相位旋转相结合，这可以实现几何阴影：过时的事实在复杂的向量空间中异相旋转，因此时间上正确的事实自然优先于矛盾而无需删除。在时间知识图补全方面，RoMem 在 ICEWS05-15 上取得了最先进的结果（72.6 MRR）。应用于代理内存时，它在时间推理 (MultiTQ) 上提供 2-3 倍的 MRR 和答案准确性，主导混合基准 (LoCoMo)，保留零退化的静态内存 (DMR-MSC)，并将零样本推广到看不见的金融领域 (FinTMMBench)。