EnSIMem：基于实体结构化索引的智能体长期记忆架构
长期与用户交互的智能体需要准确召回事实、偏好和事件等信息，但现有记忆系统常将其压缩为通用摘要或检索无标签文本块，难以精准识别实体属性及支撑依据。研究人员提出了EnSIMem，一种面向智能体的实体结构化长期记忆架构。该系统在离线阶段将历史交互组织为主题连贯的情节片段，并构建基于对话的实体索引条目，以提升长上下文对话中智能体记忆检索与推理的准确性。
推荐理由针对智能体长期交互中的记忆痛点，提出了基于实体结构化索引的新型记忆检索架构。
原标题：EnSIMem: Entity-Structured Indexing for Long-Term Agent Memory
阅读 arXiv 人工智能 原文 ↗