EvoWiki：跨会议知识演化的增量状态覆盖和可追踪问答

在跨越多次会议的长期协作中，决策和风险等事实状态不断被修改、推翻和替换。现有的长上下文方法通常会堆叠整个历史记录，而许多 RAG 和结构化内存方法将知识组织为静态或仅附加事实，并依赖于读取时的语义相关性。如果没有对知识生命周期进行显式建模，这些方法可能会同时保留相互冲突的新旧状态或丢弃历史记录，从而导致陈旧的检索和难以验证的答案。我们提出了 EvoWiki，一种用于动态长格式文本的增量问答架构。 EvoWiki 将离线增量构建 (BUILD) 与在线结构化阅读 (READ) 解耦。 BUILD 捕获从提案到决策的会议内微观演变，并使用实体版本链和细粒度状态覆盖协议来​​明确区分当前有效状态和被取代的历史记录，同时保留会议级别的来源锚点。 READ 绕过基于相关性的 Top-k 检索，并在整个 Wiki 上执行确定性实体寻址、时间解析和跨实体多跳聚合，以生成有根据的、可追踪的答案。我们进一步介绍了 CrossMeet，这是一个高保真双语基准测试，旨在模拟长期状态演化，涵盖事实一致性、时间推理和跨会议多跳推理。在六个数据集和两个阅读器模型中，EvoWiki 将宏观平均判断准确度相对于最强基线分别提高了 9.72 和 10.00 个百分点。人类评估表明，EvoWiki 在频繁的状态翻转下更加稳健且忠实于事实，验证了面向有效状态的阅读作为跨会议知识演化的可靠方法。