Memora：一种平衡抽象性与具体性的和谐记忆表示
人工智能
2026-02-04 v1
摘要
智能体记忆系统必须容纳持续增长的信息，同时支持高效、情境感知的检索以满足下游任务。抽象对于记忆系统的扩展至关重要，但往往以牺牲具体性为代价，掩盖了有效推理所必需的细粒度细节。我们提出Memora，这是一种平衡抽象性与具体性的和谐记忆表示。Memora通过其主要抽象对信息进行组织，这些抽象索引具体的记忆值并将相关更新整合到统一的记忆条目中，而提示锚点则扩展检索访问，跨越记忆的不同方面，并连接相关记忆。基于这种结构，我们采用一种检索策略，主动利用这些记忆连接，以检索超出直接语义相似性的相关信息。理论上，我们表明，标准的检索增强生成(RAG)和知识图谱(KG)基于记忆的系统是本框架的特例。在实证方面，Memora在LoCoMo和LongMemEval基准上建立了新的状态最佳记录，表明在记忆规模扩大时，检索相关性和推理有效性更佳。
引用
@article{arxiv.2602.03315,
title = {Memora: A Harmonic Memory Representation Balancing Abstraction and Specificity},
author = {Menglin Xia and Xuchao Zhang and Shantanu Dixit and Paramaguru Harimurugan and Rujia Wang and Victor Ruhle and Robert Sim and Chetan Bansal and Saravan Rajmohan},
journal= {arXiv preprint arXiv:2602.03315},
year = {2026}
}