SYNAPSE：通过扩散激活机制赋予大语言模型智能体情景-语义记忆能力

尽管大语言模型（LLMs）在通用推理方面表现出色，但现有检索增强方法难以应对智能体长期记忆的碎片化问题。为此，本文提出Synapse（协同联想处理语义编码），一种超越静态向量相似性的统一记忆架构。受认知科学启发，Synapse将记忆建模为动态图结构，其相关性通过扩散激活机制而非预计算链接生成。系统结合侧向抑制与时间衰减机制，动态突出相关子图并抑制干扰信息。我们设计了一种三重混合检索策略，融合几何嵌入与基于激活的图遍历。在LoCoMo基准上的综合评估表明，Synapse在复杂时序与多跳推理任务中显著优于当前最先进方法，有效缓解“上下文隧道”问题。代码与数据将在论文录用后公开。