REMem: 在语言代理中使用情景记忆进行推理

人类擅长在时空背景下记住具体经历，并在这些事件之间进行推理，即具有情景记忆的能力。相比之下，语言代理的记忆主要为语义性，尚无法有效回忆和推理交互历史。本文从这一差距出发，识别并形式化了情景记忆回忆与推理的核心挑战，发现现有工作常忽视情景性、缺乏显式事件建模或过度强调简单检索而非复杂推理。为此，本文提出REMem，一种两阶段框架：1）离线索引阶段，将经验转化为灵活连接时间感知要点和事实的混合记忆图；2）在线推理阶段，采用代理检索器，通过精心设计的工具对记忆图进行迭代检索。在四个情景记忆基准测试中的全面评估表明，REMem显著优于当前最先进的记忆系统（如Mem0和HippoRAG 2），在情景记忆回忆和推理任务上分别提升了3.4%和13.4%。此外，REMem在处理无法回答的问题时也表现出更稳健的拒绝行为。