难以回忆的记忆：用于自我进化的双进程认知记忆系统 LLM 代理

对于 LLM 代理来说，长期记忆不仅仅是在正确的时间检索正确的段落。当前的记忆系统将信念修正、因果耦合和跨域抽象分解为针对表面回忆进行调整的单个检索表面，因此在隐式个性化方面陷入困境，这需要对用户如何进化进行推理。我们提出了 DCPM，它沿着认知能力层次结构重新组织代理记忆，从原始输入和原子事实，到历时信念轨迹和身份，再到领域模式、潜在意图和跨领域模式。该层次结构由继承双进程理论的体系结构分裂的两个进程驱动：一个同步白天编写器（System1），将信念修订记录为双向链接的取代链；以及一个异步夜间引擎（System2），它诱导模式和意图，并扫描抽象为更高级别核心模式的跨域冲突。在 LongMemEval、PersonaMem 和 PersonaMem-v2 上，启用 System2 在基准奖励隐式跨会话推理方面贡献最大（在 PersonaMem-v2 上高达 +5.20），而在跨度召回方面贡献最少，与架构预测相匹配。