NeuSymMS：面向持续自我管理 LLM 代理的混合神经符号记忆系统
人工智能
2026-05-22 v2
摘要
我们提出 NeuSymMS，一种自适应记忆系统，使大规模语言模型(LLM)代理能够通过混合神经符号体系结构在用户之间学习、记忆和推理。NeuSymMS 将来自非结构化对话的神经事实抽取与基于 CLIPS 的专家系统相耦合，后者在显式生命周期规则下对事实进行分类、去重和一致性处理。该系统将知识表示为主体-关系-值三元组，存储在关系数据库管理系统中。它支持用户/代理/代理间作用域，实施双时滞(短期和长期)记忆模型。它利用基于访问的提升和基于时间的修剪进行记忆管理。NeuSymMS 在避免上下文窗口膨胀和跨实体污染的同时保持记忆连续性。我们认为，这种体系结构为生产级代理系统提供了可信、可审计的记忆实现路径，并讨论其相对于日志检索、摘要和键值方法的新颖性。
引用
@article{arxiv.2605.17596,
title = {NeuSymMS: A Hybrid Neuro-Symbolic Memory System for Persistent, Self-Curating LLM Agents},
author = {Mujahid Sultan and Sri Thuraisamy and Daya Rajaratnam},
journal= {arXiv preprint arXiv:2605.17596},
year = {2026}
}
备注
7 pages