借鉴绘图效应：双轨迹编码提升LLM智能体的跨会话召回

具有持久记忆的LLM智能体将信息存储为扁平的事实记录，难以为时间推理、变化追踪或跨会话聚合提供上下文。受绘图效应（drawing effect）[3]启发，我们提出双轨迹记忆编码。在该方法中，每条存储的事实都配有一个具体场景轨迹，即对信息被学习时的时刻与情境的叙事重构。智能体在编码时被迫确定具体的上下文细节，从而形成更丰富、更具区分度的记忆轨迹。使用LongMemEval-S基准（4,575个会话、100个召回问题），我们在99个共享问题上将双轨迹编码与覆盖度和格式相匹配的纯事实对照进行比较。双轨迹编码总体准确率达73.7%，而对照为53.5%，提升+20.2个百分点（95% CI: [+12.1, +29.3]，bootstrap p < 0.0001）。提升集中于时间推理（+40pp）、知识更新追踪（+25pp）与多会话聚合（+30pp），而对单会话检索无益，这与编码特异性理论[8]一致。token分析显示，双轨迹编码在不增加额外成本的情况下实现了这一提升。我们还概述了将双轨迹编码适配到编码智能体的架构设计，并进行了初步试点验证。