TRACE：会话数据时态证据图的状态感知查询处理

对话数据越来越多地用作长期运行的助手和人工智能代理的用户状态的持久来源。然而，查询这些数据仍然具有挑战性，因为对话会自然发展：计划被修改，偏好发生变化，并且后来的消息经常取代或矛盾先前的信息。现有的长内存管道很大程度上将内存视为独立的文本或矢量对象。这种方法通常会检索语义相似但过时的证据，为状态感知推理提供有限的支持。为了解决这个问题，我们提出了 TRACE，这是一个基于时间证据图的查询处理框架，用于不断发展的会话数据。 TRACE 将对话建模为跨越事件、会话和主题的分层图，并通过类型化的时间、因果、更新和矛盾关系进行丰富。至关重要的是，该框架维护了有效性注释，因此过时的事实对于历史查询仍然可以访问，但对于当前状态的答案会打折扣。在查询时，TRACE 将基于向量的笔记检索与图形引导的证据搜索相结合，生成有效性感知支持路径和用于答案生成的混合上下文。这种设计将词汇回忆与证据重建分开，从而能够在较长的对话历史中进行有限查询时间推理。长对话查询回答 (QA) 基准的实验表明，TRACE 改进了时间和多跳推理，并通过消融强调了层次结构、更新感知播种和基于路径的证据的重要性。