ETAMem: Decoupling and Aligning Heterogeneous Memory for Long-Term Conversational Agents

📄 arXiv: 2610.37443v1 📥 PDF

作者: Xinying Qian, Ying Zhang, Yu Zhao, Xubo Liu, Baohang Zhou, Jeff Z. Pan

分类: cs.CL

发布日期: 2026-10-27

💡 一句话要点

提出ETAMem以解决长时间对话中记忆混杂与组织不匹配问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 长时记忆 对话系统 信息检索 多视角框架 情感分析

📋 核心要点

  1. 现有的记忆系统在长时间对话中面临信息混杂和组织不匹配的挑战，导致记忆效率低下。
  2. ETAMem通过解耦异构信息并根据特征对齐记忆表示，采用多视角框架来组织记忆单元。
  3. 在LoCoMo和LongMemEval-S数据集上，ETAMem相较于基线方法分别提高了12.46%和7.96%的准确率，显示出显著的性能提升。

📝 摘要（中文）

长时记忆使大型语言模型能够在延续的对话中保持连贯和个性化的互动。然而，现有的记忆系统面临两个主要挑战：信息混杂和组织不匹配。为了解决这些问题，本文提出了ETAMem，一个多视角记忆框架，能够解耦异构对话信息，并根据其特征对记忆表示和组织进行对齐。具体而言，异构信息解析提取原子记忆单元并识别情感信息，视角特定的记忆结构将这些单元组织为事件、情感和时间三个互补的层次视图。ETAMem通过自适应校准阈值逐步维护记忆结构，并采用基于熵的检索方法在各视图内进行分层搜索。实验结果表明，ETAMem在LoCoMo和LongMemEval-S数据集上相较于最先进的基线方法分别提高了12.46%和7.96%的准确率，同时保持了竞争力的token效率。

🔬 方法详解

问题定义：本文旨在解决长时间对话中记忆信息的混杂与组织不匹配问题。现有方法往往将异构信息混合在粗粒度的记忆单元中，导致信息检索效率低下。

核心思路：ETAMem的核心思路是通过解耦异构对话信息，并根据其特征对记忆表示和组织进行对齐，从而提高记忆的有效性和检索的准确性。

技术框架：ETAMem的整体架构包括异构信息解析、视角特定的记忆结构和基于熵的检索机制。首先解析对话信息，提取原子记忆单元，然后将其组织为事件、情感和时间三个层次视图，最后在检索时进行分层搜索。

关键创新：ETAMem的主要创新在于其多视角记忆框架，能够有效解耦和组织异构信息，克服了传统方法在信息检索中的局限性。

关键设计：在设计中，ETAMem采用自适应校准阈值来维护记忆结构，并通过熵分配查询预算，以实现视图间的有效检索。

🖼️ 关键图片

fig_0
fig_1

📊 实验亮点

在LoCoMo和LongMemEval-S数据集上，ETAMem相较于最先进的基线方法分别提高了12.46%和7.96%的准确率，展示了其在长时间对话中的显著性能提升，同时保持了良好的token效率。

🎯 应用场景

ETAMem的研究成果在长时间对话系统、个性化助手和智能客服等领域具有广泛的应用潜力。通过提升记忆管理的效率和准确性，ETAMem能够显著改善用户体验，推动智能对话系统的进一步发展。

📄 摘要（原文）

Long-term memory enables Large Language Models (LLMs) to maintain coherent and personalized interactions across extended conversations. However, existing memory systems face two key challenges: (1) Information Entanglement, where heterogeneous information is mixed within coarse-grained memory units; and (2) Organizational Mismatch, where memory structures based primarily on semantic similarity may overlook other associations. To address these challenges, we propose ETAMem, a multi-view memory framework that decouples heterogeneous conversational information and aligns memory representations and organization with its distinct characteristics. Specifically, heterogeneous information parsing extracts atomic memory units and identifies affective information. View-specific memory structuring then organizes these units into three complementary hierarchical views: Event, Affect, and Time. ETAMem incrementally maintains memory structures with adaptively calibrated thresholds. For retrieval, entropy-based retrieval allocates query-specific budgets across views and performs hierarchical search within each view. Experiments on LoCoMo and LongMemEval-S demonstrate that ETAMem outperforms state-of-the-art baselines, achieving relative accuracy improvements of 12.46% and 7.96%, respectively, while maintaining competitive token efficiency. Further analyses demonstrate the complementary benefits of different memory views.