LifeFuse-Mem：面向临时覆盖的生命周期感知状态融合用于长期记忆

长时运行的LLM智能体需要能够维持交互间内部状态一致性的记忆机制。我们研究了一种带生命周期标签的记忆设置，在训练阶段写入操作提供生命周期元数据，在评估阶段采用阶段感知的读出机制。该设置旨在区分应持续影响未来交互的信息与仅影响当前上下文的信息。生命周期不匹配会导致临时信息覆盖持久知识，从而引发持久智能体的行为漂移。在该设置下，我们提出了LifeFuse-Mem，一种具备生命周期感知的神经记忆框架，根据信息的时间承诺性对信息进行分离。LifeFuse-Mem采用专用记忆组件和生命周期感知的更新机制，使稳定与临时知识能够本地演化，而无需将临时上下文转化为持久状态。在受控的抗覆盖基准测试中，LifeFuse-Mem提升了控制性获取下的保持能力并减少了临时覆盖；在两个公开的长期记忆基准上，其表现总体具有竞争力。这些结果表明，显式的生命周期信号有助于诊断并缓解紧凑在线记忆中的覆盖问题。