NeuSymMS：面向持久化、自维护LLM智能体的混合神经符号记忆系统

我们提出了 NeuSymMS，这是一种自适应记忆系统，使大语言模型 (LLM) 代理能够通过混合神经符号架构跨会话学习、记忆和推理用户。 NeuSymMS 将非结构化对话中的神经事实提取与基于 CLIPS 的专家系统结合起来，该系统根据明确的生命周期规则对事实进行分类、删除重复和协调。该系统将知识表示为存储在关系数据库管理系统中的主题-关系-值三元组，支持用户/代理/代理到代理的范围界定，并实现具有基于访问的提升和基于时间的修剪的双视野短期/长期记忆模型。 NeuSymMS 保持内存的连续性，同时避免上下文窗口膨胀和跨实体污染。我们认为，这种架构为生产代理系统提供了一条通往可信赖、可审计内存的实用途径，并讨论了它相对于日志检索、摘要和键值方法的新颖性。