别再把过时记忆喂给AI了！HiCoMER让智能体只检索有效记忆，问答质量飙升
Not All Memories Are Equal: Hierarchical Collaborative Memory for Validity-Aware Retrieval in LLM Agents
📖 AI 总结
这篇论文关注协作场景下大语言模型智能体的记忆检索问题。作者指出，团队记忆与个体记忆本质上是异质的：团队记忆承载集体决策与当前共识，个体记忆则记录成员特有的观察与执行轨迹。现有记忆增强系统通常将所有记忆视为扁平池，仅按语义相关性、重要性或时效性排序，因而容易检索出语义相关却已过时或与团队共识冲突的个体记忆。为此，作者提出HiCoMER框架，先维护团队与个体记忆的有效性，再仅从仍然有效的记忆中检索，其核心由分层记忆冲突更新器、有效性感知检索器和记忆锚定答案生成器三部分组成。为验证效果，作者构建了两个面向协作场景的记忆锚定问答数据集，实验显示HiCoMER在减少过时检索、保持团队共识和提升下游问答质量方面均稳定优于强基线。该工作为智能体记忆管理引入了“有效性”这一新维度，对多智能体协作中的可靠知识 grounding 具有参考意义。
🔑 关键词速览
| HiCoMER | 本文提出的层次化协作记忆管理与有效性感知检索框架，用于LLM智能体。 |
| 层次化协作记忆 | 将团队记忆与个体记忆分层组织，并建模其动态演化与有效性的记忆结构。 |
| 有效性感知检索 | 在检索时优先选择当前仍然有效、与团队共识一致的记忆，而非仅依赖语义相关性。 |
| 记忆冲突更新器 | HiCoMER的组件之一，用于检测和解决团队记忆与个体记忆之间的冲突，维护记忆有效性。 |
| 记忆基础问答 | 智能体回答问题时以检索到的有效记忆作为依据，确保回答 grounded 在有效记忆上。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅