以事件为中心的内存，具有针对长期会话代理的查询感知图增强功能

对于持久且个性化的对话代理，记忆系统可以通过存储过去的交互和检索相关信息，使他们能够记住、更新和推理长期历史。现有的内存系统通常遵循两种范例：平面结构内存和基于图形的内存。前者是轻量级的，但隐含了事件关系和状态更新，而后者显式地模拟了内存结构，但会产生额外的构建成本，并在长期历史中引入不相关的关系。为了解决这些限制，我们提出了 QGMem，一种由人类记忆驱动的新颖的记忆构建和激活框架，其中经验被组织成事件，并且与查询相关的事件通过图建模为工作记忆。 QGMem 将长对话历史转换为事件索引的原子存储单元，保留个人经历，并将相关单元合并为保留状态轨迹和当前状态的动态记忆痕迹。当查询到达时，混合内存检索会收集互补的候选内存，并且 查询感知重排序将最相关的单元激活为紧凑的工作记忆。为了暴露工作记忆中的关系依赖性并支持冲突感知推理，QGMem 将工作记忆组织为本地图，然后将其编码为图标记并与文本工作记忆一起提供给 LLM，以提高答案生成过程中的证据利用率。六个基准的实验验证了该框架，并显示出在检索、多跳证据构成、冲突解决和超长对话推理方面的一致收益，以及紧凑的上下文和适度的推理成本。