[Submitted on 15 May 2026]

View PDF HTML (experimental)

Abstract:LLM 代理配备持久记忆即可回忆过去的交互，但现有系统存在两个局限：扁平、无结构的存储会丢失多跳和时序推理所需的关联上下文，而依赖昂贵的基于 LLM 的分类使其难以用于对延迟敏感的部署。如果没有机制来验证新信息与已存储知识的一致性，这些系统会悄无声息地积累矛盾。我们提出 MOSAIC（Memory-Organized Structured Agent for Information Collection），一个面向 LLM 代理的结构化、冲突感知的长期记忆框架，其准确性和效率均大幅提升。MOSAIC 引入三项关键能力：(1) 实体类型化的图存储配合语义分类，保留事件、人设和关系之间的关联结构，支持对对话历史进行多跳和时序推理；(2) 使用哈希加速的双路径检索取代基于 LLM 的分类，通过局部敏感哈希实现近乎瞬时的查找，且准确率损失可忽略；(3) 在保存时主动进行冲突检测，将新信息与现有图邻居交叉比对，对矛盾条目触发更新或删除。在 LoCoMo（长对话问答）、HaluMem 以及新提出的临床指南错误累积测试上，MOSAIC 在 LoCoMo 上达到 89.35% 的准确率（比最佳基线高 27.21 个百分点），HaluMem-Medium 抽取 F1 最佳（86.77%），HaluMem-Long 抽取 F1 最佳（85.84%），Medium 和 Long 的问答正确率均最佳（73.10%，70.75%），并检测到 66% 的注入事实冲突——是最佳基线（14%）的 4.7 倍——同时哈希加速检索将平均搜索延迟保持在每题 0.58 秒。

Submission history

From: Xinyang Guo [view email]
[v1] Fri, 15 May 2026 02:21:45 UTC (1,469 KB)