HiCoMER：面向有效性检索的分层协作记忆

团队协作中的记忆具有异质性并不断演化。团队记忆记录集体决策、协议和当前共识，个人记忆则保留成员观察、执行轨迹和中间进度。现有记忆增强系统通常把全部记忆当作平坦集合，按语义相关性、重要性或新近程度排序，没有建模层级结构或有效性的变化。因此，它们常检索出语义相关但已过期或冲突的记忆，尤其是不再符合团队当前共识的个人记忆，而非优先返回目前有效的记忆。这对协作 LLM 智能体回答用户问题尤其不利，因为回答应建立在有效记忆上。本文提出 HiCoMER，用于 LLM 智能体的分层协作记忆管理与有效性感知检索。它先维护团队和个人记忆的有效性，再从仍然有效的记忆中检索，而非直接检索全部存储内容。框架包括分层记忆冲突更新器、有效性感知记忆检索器和基于记忆的回答生成器。为评测该方法，研究构建两套协作场景下的记忆问答数据集。在两套数据集上，HiCoMER 均通过减少过期检索、保留当前团队共识并改善下游问答质量，持续优于强基线。