ThinkFlow：终身对话智能体的自演化概率潜在记忆

终身对话智能体依赖记忆维持深入且有上下文意识的用户交互，但现有显式文本记忆有严重信息瓶颈，易丢失微妙行为模式和情绪变化；部署后通常静态，不能无人工反馈地适应个人习惯偏好。认知科学提示，人类在潜在空间维持心智模型，并通过预测编码持续改进。受此启发，我们提出端到端潜在记忆框架ThinkFlow，将对话流动态压缩为概率潜在记忆技能，把复杂用户状态自主整合为解耦连续向量，避免语义干扰并绕过文本瓶颈。为突破适应障碍，我们引入测试时演化范式：教师引导的潜在对齐用于初始状态，结合自监督下一条用户话语预测持续改进，从而克服冷启动并实现无标签终身个性化。长期对话基准的大量实验显示，ThinkFlow显著优于现有记忆系统，在延伸的多会话交互中提供高度个性化且上下文准确的回答。