SYNAPSE：通过扩散激活赋能具备情景-语义记忆的 LLM 代理
计算与语言
2026-02-17 v3
摘要
虽然大型语言模型（LLMs）在泛化推理方面表现出色，但标准的检索增强方法未能解决长期代理记忆的离散性问题。为弥合这一差距，我们引入 Synapse（Synergistic Associative Processing Semantic Encoding），一种统一的记忆架构，超越静态向量相似性。drawing from cognitive science， Synapse 将记忆建模为动态图，其中相关性源于扩散激活而非预计算链接。通过集成横向抑制和时间衰减，系统可动态突出显示相关子图，同时过滤干扰。我们实现了三重混合检索策略，将几何嵌入与激活基于图遍历相融合。针对 LoCoMo 基准进行的全面评估表明，Synapse 在复杂时序和多跳推理任务中显著优于最先进的方法，为解决“情境隧穿”问题提供了稳健解决方案。我们的代码和数据将在接受后公开。
引用
@article{arxiv.2601.02744,
title = {SYNAPSE: Empowering LLM Agents with Episodic-Semantic Memory via Spreading Activation},
author = {Hanqi Jiang and Junhao Chen and Yi Pan and Ling Chen and Weihang You and Yifan Zhou and Ruidong Zhang and Andrea Sikora and Lin Zhao and Yohannes Abate and Tianming Liu},
journal= {arXiv preprint arXiv:2601.02744},
year = {2026}
}