实体内存图检索提高了长对话问答中的证据覆盖率

实体记忆图检索将对话保持为逐字记忆节点，通过共享实体链接重复提及，并使用有向时间顺序边缘连接相邻记忆。在查询时，检索器 从实体门控通过语义融合和一跳时间顺序恢复转向密集回填。该路径可以保留密集余弦排名否则会忽略的相邻内存。匹配的密集控制共享内存和查询向量、上下文预算、请求的答案协议和评估器，将图结构与读者的更改隔离开来。对于来自 10 个 LoCoMo 对话的 1,986 个问题，图检索将 top-k 25 的官方证据召回率从 79.7468% 提高到 84.4842%。召回优势支持从 top-k 5 到 50，而没有匹配的截止值支持总体最终答案 F1 差异。四种符合论文要求的配置支持经过测试的 GPT-3.5 和 DeepSeek 提取器对两种结果的经验稳健性。嵌入的鲁棒性参差不齐：F1 没有支持的对比度，但召回率对嵌入伪影很敏感。该比较将检索覆盖率增益与图结构隔离开来。它没有建立最终答案 F1 增益、模型或嵌入等效性，或跨数据集泛化。