MemORAI: Memory Organization and Retrieval via Adaptive Graph Intelligence for LLM Conversational Agents

论文信息¶

作者: Hung Pham Van, Nguyen Manh Hieu, Khang Pham Tran Tuan, Nam Le Hai
提交日期: 2026-05-02
方向: 记忆表示 / 图记忆 / 选择性记忆

摘要¶

LLM缺乏长期个性化对话的持久记忆。现有基于图的记忆系统存在信息稀释、缺乏来源追踪、统一检索忽略查询上下文等问题。MemORAI引入三项创新： 1. 双层压缩的选择性记忆过滤：保留用户 persona 相关内容 2. 来源增强的多模态图索引：追踪记忆来源和演化 3. 自适应图智能检索：根据查询类型动态调整检索策略

核心贡献¶

双层压缩：
第一层：按用户 persona 相关性过滤
第二层：压缩保留内容的冗余信息
来源追踪图：每条记忆节点携带来源元数据（时间戳、模态、交互轮次）
自适应检索：根据查询类型选择不同的图遍历策略
解决信息稀释问题：统一检索导致记忆稀释，自适应方法保持关键信息

方法详解¶

信息稀释问题： - 随着记忆增长，检索结果被大量历史记录稀释 - 相关记忆被无关内容淹没

MemORAI的解决方案： - 选择性过滤：只保留高 persona 相关性内容 - 双层压缩：在过滤后进一步压缩冗余 - 来源图索引：记忆节点包含丰富的元数据，支持精细检索

自适应检索策略： | 查询类型 | 检索策略 | 图遍历方式 | |---------|---------|-----------| | 事实型 | 高精度 | 广度优先，限制深度 | | 情感型 | 高召回 | 深度优先，扩大范围 | | 混合型 | 综合 | 混合遍历 + 重排 |

为什么重要¶

MemORAI是首个系统解决图记忆系统中信息稀释和来源追踪问题的框架。对于需要长期个性化交互的Agent（如社交机器人、心理咨询助手）有直接价值。

与端侧/移动端的相关性¶

选择性记忆机制减少存储开销，适合端侧
图索引的稀疏表示可在移动端高效存储
用户 persona 本地维护，隐私敏感场景友好