APDMem：智能体控制的渐进披露长期记忆

个性化LLM助手必须跨不同复杂度的查询从长对话历史中恢复稀疏证据。我们提出APDMem（智能体控制渐进披露记忆），一个把渐进披露应用于记忆检索的分层长期记忆架构。它不依赖平面记忆库或固定检索粒度，而把对话历史表示为四层渐进细致的层级：主题摘要、个性化关键事实、轮级证据笔记与原始消息。推理时控制器对记忆层级应用渐进披露：先读高层摘要，仅在需要时下钻更细证据。这形成自适应的成本-保真权衡：简单查询可提前终止，复杂的时间、多跳或精确证据查询触发更深检查。笔记合成器把检索证据转化为聚焦查询的结构，在最终答案生成前整合事实、排序事件并标记矛盾。LongMemEval实验显示，APDMem在仅访问总会话8%的情况下取得强的长上下文记忆推理性能。