通过任务导向的对抗式记忆适应增强对话智能体

对话智能体因上下文窗口限制难以处理长对话，现有记忆系统通常采用离线构建与更新、在线检索的流程。然而，其离线阶段固定且任务无关，导致记忆内容与下游任务需求不匹配。为此，本文提出对抗式记忆适应机制（AMA），通过模拟任务执行实现记忆构建与更新的任务对齐：挑战者智能体基于原始对话生成问答对，利用构建的记忆作答以模拟推理；评估者智能体分析回答错误；适配器智能体据此在策略与内容层面进行双重更新。该机制使记忆系统在离线阶段即获得任务感知监督信号，提升对下游任务的适应性。实验表明，AMA可集成至多种现有记忆系统，并在长对话基准LoCoMo上显著提升性能。