MemFuse：来自碎片观察的多源内存融合

长期记忆对于跨扩展交互操作的代理至关重要，但现有的记忆系统和基准主要关注单一源文本历史。然而，在现实环境中，相关信息通常跨应用程序和设备、以及跨用户和时间分散，要求代理将分散的观察结果整合到连贯的情景记忆中，同时保留其来源。为了解决这些差距，我们引入了**MemFuseBench**，这是*多源内存融合*的基准。 MemFuseBench 采用场景到传感器管道构建，可将可控场景合成为带源标记的观察结果、基于证据的问题和对抗性干扰因素。它能够系统地评估时间推理、跨源证据融合和噪声鲁棒性。我们进一步提出了 **MemFuse**，一种结构化存储系统，它在事件层原子内存中保留源级证据，并将相关原子事件组织到因果融合图中的簇层融合内存中。在检索过程中，MemFuse 检索并组织相关证据片段，同时保持对原始源事件的可追溯性。 MemFuseBench 上的实验表明，在所有三种 LLM 设置下，MemFuse 在评估的内存系统中实现了最佳的整体性能，并持续提高了需要跨源证据融合的问题的性能。