eMEM：一种用于实体代理的混合时空记忆系统

我们提出了 eMEM（体现内存），这是一种基于混合图的内存系统，用于在物理环境中运行的体现代理。当前的代理内存架构，例如生成代理、MemGPT 和 A-MEM，将内存视为文本流或知识图，但具体代理需要可同时按含义、空间和时间搜索的内存。 eMEM 通过统一在单个图模型后面的多索引架构（用于结构化存储的 SQLITE、用于近似最近邻语义搜索的 hnswlib 以及用于空间查询的 R 树）填补了这一空白。分层巩固管道将原始感知观察转化为压缩摘要，反映生物系统中的海马-新皮质巩固。十个面向代理的召回工具公开了内存检索原语，包括概念到位置解析和跨层召回，作为 LLM 工具调用的一流操作。该系统完全嵌入并与代理一起在进程中运行。此外，我们还引入了 eMEM-Bench v1，这是我们在 ProcTHOR-10K 场景上构建的基准，用于具体内存评估。该基准明确围绕八个认知心理学范式（DRM 诱饵、模式分离、模式完成、源监控、上下文相关检索、长视野干扰、序列位置和箔增强保留曲线）进行组织，每个范式的选择都是为了使结果可以根据更广泛的人类记忆系统文献和先前的智能体记忆系统进行解释； LoCoMo 或 OpenEQA 等表面任务基准无法提供的诊断级别。 eMEM 在 988 个探针中的加权平均值为 80.8，在房间独特项目的模拟延迟 1 小时到 1 年的上限内具有平坦的保留曲线。我们表明，纯 RAG 基线（flat_rag 消融）在上下文相关检索上损失了 30 pt，在 DRM 诱惑拒绝上损失了 29 pt，分别隔离了多层存储和整合的贡献。我们发布了系统和基准代码。