沙丘社区
论文

HGP：基于混合图记忆的端侧个性化Agent

HGP:An on-device personalized agent memory via hybrid graph storage

Ran Zhou, Xueming Han, Jiaheng Liu, Yuyao Zhang, Fanyu Meng, Junlan Feng, Yuxiang Ren
上下文与知识模型优化知识图谱记忆端侧模型Agent记忆

摘要

基于LLM的Agent在个性化交互任务中，需要处理异构、多类型且包含隐含约束的长期记录。现有记忆机制难以准确路由和检索，端侧个性化场景尤为突出。多数方法使用单一向量表征，模糊了不同记忆类型及关系结构。我们提出混合图记忆框架HGP。它采用轻量自增强分类器进行个性化记忆路由，将情节、语义和过程记忆组织为图结构；还将工作记忆提取为状态轨迹，记录当前状态和隐含约束，支持可靠决策。分类器减少大模型调用，以支持端侧部署；图存储则支持准确检索和逐步完善用户画像。在两个基准上的实验中，HGP在PAL-Set方案选择任务上取得35.58的S-score，较最强基线高近7分。代码和数据见https://github.com/Ouan6/HGP-.git。

HGP：基于混合图记忆的端侧个性化Agent：论文原图
图 1：我们的 HGP 框架概述，包含两个组件：(1) 自我增强分类器，通过分类器/LLM 路由输入，并使用高置信度样本增量更新分类器；(2) 混合图存储，保留异构内存类型的结构属性。