MemoryLACE：内存生命周期感知整合和证据检索

长期 LLM 代理必须在交互过程中保留信息，同时区分重复的证据、历史状态、更新和未解决的矛盾。现有的文本记忆系统可以有效地检索语义相关的记忆，但通常会隐式地保留这些关系，而更丰富的结构化方法则通过全局图、层次抽象或更复杂的反射来对它们进行建模。我们引入了 MemoryLACE (MemLACE)，这是一种轻量级记忆框架，它通过稀疏合并、取代和矛盾关系显式地模拟文本证据的生命周期，同时保留原子自然语言记忆及其来源。 MemLACE 不是独立检索记忆，而是重建关系感知证据单元，为下游推理揭示当前、历史、支持和冲突的证据。在 BEAM 和 StructMemEval 中，使用开放权重和专有的 LLM 主干，MemLACE 在相同主干比较中实现了最高的整体性能，同时相对于 Hindsight（报告的最强反射内存基线），BEAM 上的端到端运行时间减少了 66.6%。消融研究认为生命周期扩展和时间意识是这些收益的主要贡献者。总之，结果表明，对文本证据的局部生命周期进行显式建模足以显着改善长期记忆推理，而不需要全面的知识图或全局反思。