RuleMem：用于长期会话代理的活动规则内存

长期对话中的问答代理必须对大量、暂时分散的对话历史进行推理。然而，现有的记忆机制主要将过去的信息视为 \textit{passively} 存储的事实，导致语义差距和不可靠的推理。为了解决这个限制，我们提出了 RuleMem，一个基于规则的记忆框架，它从历史交互中引入可重用的逻辑规则，以 \textit{actively} 指导证据检索和推理。具体来说，RuleMem 从对话中构建自然语言 Horn 子句，并通过规则困惑一致性 (RPC) 机制对其进行验证。这些归纳规则能够检索语义上遥远的证据，同时为答案生成提供明确的逻辑结构。我们在两个长期对话基准 LoCoMo 和 LongMemEval_s* 上对 RuleMem 进行了全面评估。在与 LoCoMo 上的 14 个基线的严格比较中，RuleMem 实现了最高的准确度，超出基线平均值 27.47 点（相对改进 54.3%）。