CABLE：通过互补的基于前因的链接和扩展来扩展内存检索的范围

由于 LLM 代理跨结构化工作流程和会话进行操作，保留长期历史记录并不能确保以后的上下文可以通过有界内存接口恢复相关证据。我们研究长期会话记忆中的证据可达性问题，其中检索仍然严重依赖于语义相似性。这对于主题回忆很有效，但它经常会错过早期的经历、计划或动机，这些经历、计划或动机在语义上与它们帮助解释的后来事件相距甚远。现有的内存图提供跨内存结构，但主要由语义重叠驱动的链接可以复制主机 检索器 已经恢复的内容。我们认为链接构建应该优先考虑一组稀疏的 检索器 互补关联。我们提出了 CABLE（基于互补先行词的链接和扩展），这是一种插件增强，可构建旨在扩展主机 检索器 的直接语义范围的链接。对于每个新的记忆，CABLE 生成面向先行词的查询，检索先前的记忆，减去直接语义邻域中的候选者，并在将接受的互补关联添加到稀疏有向图中之前​​验证剩余部分。在检索时，CABLE 沿着这些链接扩展主机系统检索到的种子，以显示隐含的支持证据。我们在 LoCoMo 和 MA-LongMemEval 上使用 A-MEM 评估 CABLE，并使用 Qwen3.5-27B、DeepSeek-chat 和 GPT-4o-mini 将其进一步集成到 LoCoMo 上的 SimpleMem 和 Mem0g 中。 CABLE 在每个评估的系统级设置中产生较高的平均 LLM 法官分数，在有用证据分布在记忆或会话中的类别中收益最大，包括开放域、多会话和面向偏好的问题。这些结果支持优先考虑稀疏的、与推理相关的关联，这些关联补充而不是重复宿主 检索器。