ChronoMem：大型语言模型智能体记忆的版本控制与语义回滚

arXiv cs.CL 论文
llm-agents memory version-control semantic-rollback arxiv

摘要

ChronoMem 为 LLM 智能体记忆引入了一层语义版本控制，支持全量记忆快照、通过混合检索实现的自然语言回滚，以及反事实评估。它是首个面向 LLM 智能体全局记忆回滚的开源系统与基准。

arXiv:2607.27773v1 公告类型：新 摘要：LLM 智能体越来越依赖长期记忆来支持多会话交互和个性化。然而，现有的智能体记忆系统围绕单向演化设计，不断累积、整合和覆盖知识，缺乏用于检查、版本管理或回退先前状态的系统性机制。这使得智能体在修正、概念漂移和记忆损坏等情况下变得脆弱，尤其是在它们已经接触后续信息之后。我们提出了 ChronoMem，这是一个面向智能体记忆的语义版本控制层，已集成到 Google 开源的、生产可用的 Agent Development Kit 中。ChronoMem 在每次记忆写入时提交全量记忆快照，维护结构化的版本历史，并通过混合词汇与语义检索、排序融合和重排序，将撤销意图映射到具体的历史版本，从而支持自然语言回滚请求。我们进一步引入了一种事后暴露评估协议，通过回答查询和总结历史来测试智能体在回滚后是否能表现出反事实行为，就好像未来更新从未发生过一样。在带有演化记忆状态和回滚任务的长期对话基准上，ChronoMem 相比仅提示和仅检索的基线，显著提升了与回滚一致的问答和历史总结表现，同时在语义版本选择上取得了强劲性能。据我们所知，ChronoMem 是首个面向 LLM 智能体系统性语义全局记忆回滚的开源系统与基准。
查看原文
查看缓存全文

缓存时间: 2026/07/31 10:02 

# ChronoMem：面向大语言模型智能体记忆的版本控制与语义回滚

Source: https://arxiv.org/html/2607.27773

（2026）

###### 摘要

大语言模型（LLM）智能体越来越依赖长期记忆来支持多会话交互和个性化。然而，现有的智能体记忆系统都是围绕“仅向前演化”来设计的——持续积累、整合和覆盖知识——没有一种原则性的机制来检查、版本化或回滚先前的状态。这使得智能体在纠正、概念漂移和记忆损坏面前变得脆弱，尤其是在智能体已经接触过后续信息之后。我们提出 ChronoMem，一个面向智能体记忆的语义版本控制层，集成在面向生产环境的开源智能体框架（Google 的 Agent Development Kit）中。ChronoMem 在每次记忆写入时提交整个记忆快照，维护结构化的版本历史，并通过混合词法-语义检索、排名融合和重排序，将“撤销”意图映射到具体的历史版本，从而支持自然语言回滚请求。我们进一步提出一种暴露后评估协议，用于测试智能体在回滚后是否能表现反事实行为——即仿佛未来的更新从未发生过那样回答问题并总结历史。在增加了演化记忆状态和回滚任务的长期会话基准上，相较于仅提示和仅检索的基线，ChronoMem 在回滚一致的问题回答和历史摘要方面取得了显著提升，同时在语义版本选择上也实现了较强的恢复能力。据我们所知，ChronoMem 是首个用于 LLM 智能体中系统性、语义化、全局记忆回滚的开源系统和基准。

**关键词：**智能体记忆、大语言模型、版本控制、语义回滚、数据管理

††copyright:acmlicensed††journalyear:2026††doi:XXXXXXX.XXXXXXX††conference:; May 26–29, 2026; San Jose, CA††ccs:Information systems Data management systems††ccs:Information systems Information storage systems††ccs:Information systems Information systems applications††ccs:Information systems Information retrieval††ccs:Computing methodologies Natural language processing††ccs:Computing methodologies Knowledge representation and reasoning††ccs:Information systems Retrieval models and ranking

# 1. 引言

大语言模型（LLM）智能体越来越依赖长期记忆来支持多会话对话（Maharana 等人, 2024 (https://arxiv.org/html/2607.27773#bib.bib3); Packer 等人, 2023 (https://arxiv.org/html/2607.27773#bib.bib16)）和个性化（Li 等人, 2025 (https://arxiv.org

相似文章

MoM: Memory of Memory

arXiv cs.CL

本文介绍了Memory of Memory (MoM)，一个用于LLM代理记忆的框架，它在到达时提交当前值，同时保留被置换的值作为出处，从而提高准确性并减少陈旧的答案。

AdMem：面向任务求解智能体的高级记忆系统

arXiv cs.AI

本文介绍AdMem，一种面向基于LLM的智能体的统一记忆框架，整合语义记忆、情景记忆和程序性记忆，并采用双层短期与长期存储结构，通过多智能体架构实现自动记忆生成与自适应检索。实验表明，该方法在长程多轮任务中提升了鲁棒性和成功率。