Jev-Mem: System-One-Controlled Agentic Memory for Efficient AI Agents
Dongming Jiang, Yi Li, Bingzhe Li
cs.AI, cs.LG
2026-09-21
Jev-Mem 用非自回归的 System-One 控制器接管记忆写入、路由与停搜，把 LLM 留给最终答题。LoCoMo 上 Judge 分 0.777，相对最强基线 MAGMA 高 11%，建库 158 秒、查询 0.93 秒。
长程 agent 要把用户偏好、任务历史和环境知识留在上下文窗外，记忆系统就从「存一段对话」变成了持续做决定：这条要不要建边、这个问题该走哪张图、证据够不够可以停。现有做法两端都别扭。启发式便宜但死板；把每次判断丢给自回归 LLM，生成就坐在记忆的关键路径上，建库动辄三千秒。
UT Dallas 的 Jiang、Li、Li 把这个问题写成 System-One / System-Two 的分工。记忆控制是高频、输出空间很小的结构化判断，适合轻量的 System-One；答题和深推理才交给 System-Two 的 LLM。控制器的具体实现是 TypeSafe AI 的 Jev：直接吐类型化概率，不走逐 token 生成。
Jev-Mem 三层。共享数据面把每条观察收成规范节点，上面叠四张关系图：语义、时间、因果、实体，外加向量索引和词法索引。System-One 控制面管写入和读取。System-Two 只在最后合成答案，必要时才升级一次合并或摘要。
写入不做「存或丢」的不可逆决定，先把观察留下，免得当时看着不重要、以后问到却没了。控制器给节点打四个可重叠的类型分：情景、语义、程序性、偏好。对着整库比关系会随库膨胀，所以先用向量、词法、共享实体和时间邻近抽出至多 Kw 个候选，再只对候选对做关系判断。时间戳能直接定序就不定序，实体 ID 对得上就直接连。推断边要过阈值 θrel 才写入。
读取不是一次 top-k。控制器先预测每张图对当前问题的用处、要不要多跳、新近程度重不重，再按概率把扩展预算 B 分给激活的图。锚点用向量和关键词的倒数排名融合（κ=60）。每一轮评估四件事：证据够不够、再搜还有没有用、缺的是不是关键证据、有没有没解开的矛盾。够了就停，继续也没好处也停。还要扩的话，新节点按问题相关性、关系用处、新颖度、对当前证据的支持，再加上嵌入相似度和边权打分，取 beam 继续。控制开销有硬顶：写入一次分类型、一次关系；查询一次路由，每轮最多一次证据评估加一次候选打分。
评测在 LoCoMo 超长多轮对话上，答题骨干统一 gpt-4o-mini，指标是 LLM-as-a-Judge。基线含直接塞全文、A-MEM、MemoryOS、Nemori、以及同一组作者更早的多关系图 MAGMA。
| 方法 | 多跳 | 时间 | 开放域 | 单跳 | 对抗 | 总体 |
| Full Context | 0.468 | 0.562 | 0.486 | 0.630 | 0.205 | 0.481 |
| MAGMA | 0.528 | 0.650 | 0.517 | 0.776 | 0.742 | 0.700 |
| Jev-Mem | 0.623 | 0.637 | 0.618 | 0.802 | 0.962 | 0.777 |
总体 0.777，相对最强基线 MAGMA 的 0.700 高 11.0%。六类里五类最高；时间项 0.637，略低于 MAGMA 的 0.650。拉开最大的是对抗题 0.962 对 0.742，以及开放域 0.618 对 0.517。
| 方法 | 建库 (s) | 查询 (s) |
| A-MEM | 3636 | 2.26 |
| MemoryOS | 3276 | 32.68 |
| Nemori | 1044 | 2.59 |
| MAGMA | 1404 | 1.47 |
| Jev-Mem | 158 | 0.93 |
建库 158 秒，相对最快的记忆系统 Nemori（1044 秒）是 6.6 倍。查询 0.93 秒，相对 MAGMA 的 1.47 秒低 36.7%，也低于直接塞全文的 1.74 秒。MemoryOS 单次查询要 32.68 秒。
引言写「两个常用基准」，正文只报了 LoCoMo。
agent 记忆这条线最近一年图越来越密，控制成本跟着涨。Jev-Mem 把「记忆该怎么管」从生成循环里抠出来，写成可批处理的概率决策。有人在做级联和投机解码，把整次请求分给大小模型；这里把粒度切到记忆生命周期里的每一次打标、路由和停搜。
能用的前提很具体。你已经在用多关系图记忆，并且接受一个非自回归的类型化控制器。LoCoMo 上质量和时延一起动，说明这条路至少在对话记忆上不是空话。它是架构改进，不是新的记忆表示。MAGMA 已经把四张图摆好了，这篇换的是谁来做决定。
论文没有 Limitations 节。最直接的缺口是评测面：口上两个基准，表上只有 LoCoMo；没有把 System-One 换成启发式或换成 LLM-as-controller 的消融，所以 11% 和 6.6 倍里有多少来自控制器、有多少来自检索循环，分不开。MAGMA 是同一组作者的前作，也是最强基线，时间项还略高，对照并不中立。
Jev 是 TypeSafe AI 的外部组件，文中几乎不谈它的模型大小、训练数据和失败模式。答题和打分都走 gpt-4o-mini 的 LLM-as-a-Judge，没有人类核对。正文叙述和表格在多跳、开放域、单跳上差了几个百分点，应以表格为准。
没有工具使用、代码仓库或网页浏览的长程任务。自适应停搜在 LoCoMo 上有效，换到动作会留下副作用的环境，还没有证据。