论文
AtomMem：通过原子事实为 LLM 代理构建简单有效的内存系统
AtomMem: Building Simple and Effective Memory System for LLM Agents via Atomic Facts
摘要
大语言模型（LLM）表现出强大的推理和生成能力，但其固定的上下文窗口限制了跨多会话交互的长期信息积累和重用。现有的记忆增强系统通常以粗糙且不稳定的方式构建记忆，依赖于低效的记忆表示或不稳定的无约束更新。为了应对这些挑战，我们提出了 AtomMem，这是一种专为价值密集存储和稳定内存演化而设计的长期内存系统。 AtomMem 引入了事实执行器，它有选择地从长形式交互中提取高价值的原子事实，以用作高效的内存表示。随后，AtomMem 将这些事实组织成分层事件结构和时间概况，捕获连贯的情景上下文并跟踪随时间动态变化的用户属性。在检索过程中，系统激活关联记忆图来连接碎片记忆。 LoCoMo 基准测试证实，AtomMem 在各种推理任务中实现了最先进的性能，为部署智能个性化代理提供了可扩展且经济可行的解决方案。