Agent Zero Memory：具备溯源感知的智能体长期记忆架构，评测准确率达 95.6%

研究团队提出面向大语言模型智能体的溯源感知长期记忆系统 Agent Zero Memory，通过将记忆系统解耦为三大并行子系统并引入引用锁定机制，在 LongMemEval 评测中取得 95.60% 的准确率。

• 三路并行架构：系统打破单一向量或图索引设计，在同一历史数据上并行运行情景事件时间线、实体-事件知识图谱以及分层文档式记忆（HDM）。
• 溯源与引用锁定：所有记录均附带生成来源、时间戳与证据指针，智能体在回答时受“引用锁定”约束，仅能基于实际检索到的证据生成内容，从结构上抑制虚构。
• 检索调度流程：通过意图门控、来源路由与三路并发的智能体化搜索，实现跨会话的精准多跳检索与信息合成。
• 评测表现与效率：在 LongMemEval 与 LoCoMo 基准上分别达到 95.60% 和 93.60% 的准确率；在 8 款主流基座模型测试中，查询成本最高可降低至原本的二十分之一。
• 影响/看点：该架构表明通过专用记忆工程可显著减轻对基座大模型上下文窗口与参数规模的依赖，但其在超长周期多用户高并发环境下的更新维护开销仍需进一步工程验证。
• 资料依据：
• arXiv（2026-08-30）：https://arxiv.org/abs/2608.29606
• X：DAIR.AI（2026-09-02）：https://x.com/dair_ai/status/2094953486047977860

本内容由 AI 生成，仅供参考，请注意甄别