港科大(广州)等三校团队提出 HeLa-Mem,让 Agent 找回长对话中失联的记忆
香港科技大学(广州)、吉林大学与香港中文大学的研究团队提出 HeLa-Mem(Hebbian Learning Associative Memory),把 Agent 长期记忆组织为带权关联图,让反复共同被唤起的记忆逐渐建立连接,论文已被 ACL 2026 Main 接收,代码开源于 https://github.com/ReinerBRO/HeLa-Mem。
Agent 长期记忆的研究重心正从保留多少历史转向历史之间如何形成关系,论文结果显示检索质量与 token 开销可以兼得。
- 影响做个性化服务、长期陪伴或多轮任务类 Agent 的团队,记忆架构选型会直接影响回答完整度;检索上下文从全对话约 16910 tokens 降到平均 1010,推理成本差距明显;冷启动和底座模型能力是采用前要评估的现实约束。
- 参考可考虑让客服或个性化助手团队先测算现有记忆方案的检索 token 开销,再对照 LoCoMo 指标评估是否引入关联记忆类方法;值得盘点自家场景中是否存在多跳回忆失败的真实案例。