SuperLocalMemory V3：面向零LLM企业智能体记忆的信息几何基础
人工智能
2026-03-17 v1 信息检索
机器学习
摘要
持久记忆是AI智能体的核心能力，但记忆检索、生命周期管理和一致性的数学基础仍未探索。当前系统采用余弦相似度进行检索，采用启发式衰减表示显著性，并未提供形式化的矛盾检测。我们通过三个贡献建立信息几何基础。第一，基于对角高斯族的Fisher信息结构导出检索度量，满足黎曹度量公理，对充分统计量不变，且可在O(d)时间内计算。第二，记忆生命周期形式化为黎曹Langevin动力学，依据Fokker-Planck方程证明了平稳分布的存在唯一性，取代人工调谐的衰减，提供原则性收敛保证。第三，构建细胞丘 sheaf模型，其中非平凡的第一上同调类恰好对应跨记忆上下文不可调和的矛盾。在LoCoMo基准上，数学层面相较于工程基线提升了12.7个百分点，最具挑战性的对话中提升了19.9个百分点。四通道检索架构在无云依赖下实现75%的准确率，云增强结果达到87.7%。零LLM配置通过架构设计满足欧盟AI法案的数据主权要求。据我们所知，这是首个为AI智能体记忆系统建立信息几何、sheaf论和随机动力学基础的工作。
引用
@article{arxiv.2603.14588,
title = {SuperLocalMemory V3: Information-Geometric Foundations for Zero-LLM Enterprise Agent Memory},
author = {Varun Pratap Bhardwaj},
journal= {arXiv preprint arXiv:2603.14588},
year = {2026}
}
备注
43 pages, 5 figures, 9 tables, 3 appendices. Code: https://github.com/qualixar/superlocalmemory. Zenodo DOI: 10.5281/zenodo.19038659