Ký ức agent có nên tách rời sự kiện với kiến thức đã chốt?

Ningning Zhang et al. · 1 tác giả · Macau University of Science and Technology · 2026 · arXiv:2601.06377

Ký ức agent có nên tách rời sự kiện với kiến thức đã chốt?

Mở

Sau vài tháng chạy, bộ nhớ của một agent thường biến thành một hỗn hợp khó dùng: tin nhắn cũ, fact đã chốt, mẩu tóm tắt, tất cả lẫn lộn trong một kho và retrieval trả về hỗn độn như nhau. Vấn đề là sự kiện cụ thể và tri thức ổn định cần được đối xử khác nhau — một thứ phải giữ nguyên bối cảnh, một thứ cần được chốt lại và sửa khi dữ liệu nguồn đổi. HiMem đề xuất đúng hình dáng phân cấp đó.

Paper này làm gì

HiMem là khung bộ nhớ dài hạn phân cấp cho hội thoại dài, lấy cảm hứng từ lý thuyết nhận thức, nhằm hỗ trợ xây dựng, truy xuất và cập nhật bộ nhớ trong tương tác kéo dài. Nó xây Episode Memory bằng chiến lược phân đoạn kênh kép theo chủ đề và mức bất ngờ, đồng thời xây Note Memory nắm kiến thức ổn định qua pipeline truy xuất thông tin đa tầng. Hai loại bộ nhớ được liên kết ngữ nghĩa thành cấu trúc phân cấp, nối sự kiện cụ thể với tri thức trừu tượng, và khung hỗ trợ hai chiến lược retrieval cùng một bước tái tổ hợp bộ nhớ có ý thức xung đột.

Phát hiện chính

  1. Hai loại bộ nhớ: sự kiện và ghi chú — Episode Memory được phân đoạn theo chủ đề và mức bất ngờ để giữ tính nhất quán nhận thức; Note Memory nắm kiến thức ổn định qua pipeline truy xuất thông tin nhiều giai đoạn.

HiMem constructs cognitively consistent Episode Memory via a Topic-Aware Event–Surprise Dual-Channel Segmentation strategy, and builds Note Memory

  1. Liên kết ngữ nghĩa nối việc cụ thể với tri thức trừu tượng — Hai loại bộ nhớ được nối lại để truy xuất hiệu quả mà không hy sinh độ trung thực của thông tin.

These two memory types are semantically linked to form a hierarchical structure that bridges concrete interaction events and abstract knowledge

  1. Hai chiến lược retrieval để đánh đổi chính xác lấy hiệu quả — Khung hỗ trợ cả chiến lược lai lẫn best-effort, để người vận hành chọn mức cân bằng phù hợp.

HiMem supports both hybrid and best-effort retrieval strategies to balance accuracy and efficiency

  1. Bộ nhớ tự sửa khi retrieval trả về mâu thuẫn — Memory Reconsolidation có ý thức xung đột dùng phản hồi truy xuất để sửa và bổ sung kiến thức đã lưu, khiến bộ nhớ tiến hóa thay vì chỉ lớn thêm.

incorporates conflict-aware Memory Reconsolidation to revise and supplement stored knowledge based on retrieval feedback

Caveat

Abstract không nêu con số nào cũng không có khấu trừ chi phí, và câu “consistently outperforms” được khẳng định đối với các baseline không nêu tên, nên hãy đọc đây như một mẫu thiết kế chứ không phải bằng chứng đã đo lường.

Áp vào 5ac thế nào

Hình dạng bộ nhớ một team nhỏ tự duy trì được: tách “lịch sử thô” khỏi “fact đã xác nhận”, giữ liên kết giữa hai lớp, và có quy tắc sửa fact khi retrieval trả về bằng chứng mâu thuẫn. Thực hành ngay cho 5ac: đừng để mọi thứ chỉ là dòng append mới; khi nguồn đổi — giá mới, giờ mở cửa mới — cho agent quyền cập nhật note thay vì tích lũy bản cũ bên cạnh. Tầng sự kiện phục vụ truy vết, tầng note phục vụ trả lời nhanh.

Nguồn