H-Mem：一种通过混合结构进化和检索代理记忆的新型记忆机制

记忆数据在基于 大语言模型 (LLM) 的代理（例如 OpenClaw 和 Manus）中无处不在。最近的一些工作试图利用智能体的记忆来提高其在问答（QA）任务中的表现，但它们缺乏一种原则性的机制来有效地建模记忆数据如何随时间演变并有效地检索记忆数据，从而导致记忆利用率较差。为了填补这一空白，我们提出了 H-Mem，一种通过混合结构实现的新型记忆机制，它不仅可以有效地模拟智能体记忆在很长一段时间内的演变，而且还提供了一种有效的记忆检索方法。特别是，H-Mem 构建了一个时间和语义树结构，允许短期记忆数据逐步演化为长期记忆数据，后者提供前者的汇总信息，同时构建知识图来捕获记忆中实体之间的关系。此外，它通过利用树和图结构的混合结构提供了一种有效的记忆检索方法。对三个代理记忆基准测试的大量实验表明，H-Mem 在 QA 任务上实现了最先进的性能。