研究者提出实体索引法改进智能体长期记忆

Xuanyu Meng等六位研究者于9月23日提交预印本EnSIMem，提出按实体组织智能体长期记忆的架构，代码已在GitHub开源。

现有记忆系统常把交互压成通用摘要，或检索匿名的文本块，导致智能体难以确认正确的实体、属性和证据。EnSIMem在离线阶段把交互整理成主题连贯的片段，建立「实体—实体类型—属性：值」形式的索引，每条索引保留原始对话轮次和时间信息；在线阶段按请求分解证据需求，再查索引取证据。

配套仓库显示，实验在LoCoMo和LongMemEval两个长期对话记忆基准上运行，并附消融脚本。摘要称系统取得较高准确率且上下文紧凑，但未给出对比方法和具体数字，效果需看论文正文与第三方复现。