Memora：一种平衡抽象与具体性的谐波记忆表示

智能体记忆系统需要在信息持续增长的同时支持高效、上下文感知的检索以服务于下游任务。抽象对于扩展智能体记忆至关重要，但往往牺牲了具体性，导致有效推理所需的细节被掩盖。本文提出Memora，一种结构上平衡抽象与具体性的谐波记忆表示。Memora通过其主要抽象来索引具体的记忆值，并将相关更新整合为统一的记忆条目，同时通过提示锚点扩展对记忆不同方面的检索访问并连接相关记忆。基于这一结构，我们采用了一种主动利用这些记忆连接的检索策略，以检索超出直接语义相似性的相关信息。理论上，我们证明标准的检索增强生成（RAG）和知识图谱（KG）记忆系统是本框架的特例。实证表明，Memora在LoCoMo和LongMemEval基准测试中建立了新的最先进水平，展示了随着记忆规模扩大时更好的检索相关性和推理效果。