PersonaTree：LLM 代理中用于人员理解的结构化生命周期内存

持久性 LLM 代理需要记忆表征，使人在长期交互​​中形成明确的理解。现有的主体记忆方法强调信息保留和检索，但对如何将积累的交互证据抽象为人的理解的考虑有限。我们将这个过程视为模式形成，其中情境证据被抽象为可重用的模式和稳定的个人级别的声明。我们引入了 PersonaTree，这是一个结构化的生命周期内存框架，它将这一视图实现为三层角色树，具有从证据到主张的明确支持路径。 PersonaTree 通过保守写入、置信引导合并和查询条件路径检索来维护树，仅返回每个查询所需的证据深度。在具有三个答案主干的 6 个人理解和持久记忆基准测试中，PersonaTree 在 18 个紧凑分数中的 12 个中排名第一，并在 16 个设置中进入前两名。消融表明，层次结构提高了抽象人员对 KnowMe 的理解，而支持路径检索则提高了可比上下文预算下的 RealPref 对齐。