MemTxn：智能体记忆中支持有源更新与完整状态恢复的事务边界

持久化记忆使长时运行的大语言模型智能体能够跨会话与任务复用信息。然而，可写记忆中的错误可能持续存在并污染未来行为。现有系统改进了存储与检索，但并未提供用于可靠更新与恢复的事务边界。因此我们提出MemTxn，一个位于答案模型之外的治理层。MemTxn验证一次更新是否得到其来源支持。它还在事实冲突时选择可见版本，并在故障后恢复应用可见状态。该系统使用Ordered PatchTest验证写入，使用Temporal Resolver选择版本，并使用持久快照日志恢复状态。在一项条目不相交的审计中，MemTxn接受了全部60个有源支持的原件，并拒绝了全部179个困难负例。在LongMemEval-S与LoCoMo状态上的持久多键故障下，它无需知晓实际物理写入集合即可恢复完整的声明活动映射。在MemoryAgentBench FactConsolidation上，MemTxn在全部十二种答案模型配置中取得最高的平均F1。在五个代表性设置中，它以17.06–24.07分的优势超越Dense。