厦大等提出 EvoMemState:用状态演化框架改进 Agent 长期记忆

Zhishang Xiang · hf · 2026-11-06

厦门大学联合南洋理工、UBC、滑铁卢等机构提出 EvoMemState,一个以状态为中心的 Agent 长期记忆框架,弥补现有事实中心范式忽略事实间更新、约束与冲突的问题。包含三个组件:本体引导的记忆状态归纳(提取持久事实并构建维护其有效性、范围与演化关系的 Relational States)、基于强化学习的状态演化(将记忆使用经验内化为策略,生成请求相关的 Reasoning State)、状态感知推理。在长期对话与记忆使用基准上,检索完整性与基于记忆的回答准确率均持续超越现有记忆系统。代码已开源。