APEX-MEM：用于长期会话人工智能的具有时间推理的代理半结构化记忆

大语言模型 仍然在努力解决可靠的长期会话记忆问题：简单地扩大上下文窗口或应用简单检索通常会引入噪音并破坏响应的稳定性。我们提出了 APEX-MEM，这是一个结合了三个关键创新的会话记忆系统：(1) 属性图，使用与领域无关的本体将会话构建为以实体为中心的框架中的时间基础事件；(2) 仅附加存储，保留信息的完整时间演变；(3) 多工具检索代理，可以在查询时理解和解决冲突或演变的信息，生成紧凑且上下文相关的记忆摘要。这种检索时间分辨率保留了完整的交互历史记录，同时抑制了不相关的细节。 APEX-MEM 在 LOCOMO 的问答任务上达到 88.88% 的准确率，在 LongMemEval 上达到 86.2% 的准确率，优于最先进的会话感知方法，并证明结构化属性图可以实现时间上更加连贯的长期会话推理。