StructMem：LLM 中长视野行为的结构化内存

长期对话代理需要能够捕获事件之间关系（而不仅仅是孤立事实）的记忆系统，以支持时间推理和多跳问答。当前的方法面临着一个根本性的权衡：平面内存虽然高效，但无法对关系结构进行建模，而基于图的内存可以实现结构化推理，但代价是昂贵且脆弱的构造。为了解决这些问题，我们提出了 \textbf{StructMem}，一种结构丰富的分层内存框架，可以保留事件级绑定并诱导跨事件连接。通过暂时锚定双重视角并执行定期语义整合，StructMem 改进了 \texttt{LoCoMo} 上的时间推理和多跳性能，同时与之前的内存系统相比，大幅减少了词元使用、API 调用和运行时间，请参阅 https://github.com/zjunlp/LightMem 。