10:33elvis@omarsar0精选73°研究人员测试了图记忆与平面检索在长期智能体中的表现差异。在LongMemEval基准测试中,图记忆获得0.42的token F1分数,而平面向量基线为0.47。500个问题的配对bootstrap测试显示差距为-0.050(95% CI -0.085至-0.016)。图记忆在需要回忆特定先前助手回答的问题上表现较差,正确率从0.911降至0.607。论文LongMemEval图记忆平面检索1 个信源在谈事件专题推荐理由:这篇论文实测了图记忆vs平面检索在长期智能体中的真实表现,数据详实,结论明确。原文稍后读已读值得跟进有用关注 LongMemEval
12:12官方账号arXiv cs.AI@Xiawei Yue, Boran Wang, Xiaoqing Zhang, Shuxin Zheng, Ziwei Zhang现有图记忆方法把记忆都放进平面图,历史信息积累后检索会混入无关上下文。HiGram 提出粗到细的分层记忆结构,用上层节点和 MemoryUnits 减少检索噪声。它用查询和更新条件化的 MicroGraph 做路径级定位,再对单元内和单元间依赖做协调重写。在长期会话问答和冲突感知记忆评估基准上,HiGram 相比基线在答案质量和 token 效率上都有提升。论文HiGram图记忆智能体推荐理由:智能体记性差?HiGram 把记忆做成层级图,更新时只改相关路径,省 token 还更准,论文里有基准对比。原文稍后读已读值得跟进有用关注 HiGram