论文页面 - Jev-Mem：用于高效AI智能体的系统一控制型智能记忆

来源：https://huggingface.co/papers/2609.23986

摘要

智能记忆对于长期运行的AI智能体正变得至关重要，然而许多现有系统依赖自回归大语言模型来控制记忆的组织、检索和使用，将高昂的计算成本置于记忆操作的关键路径上。我们推出\method，一种受系统一/系统二认知理论启发的新型智能记忆架构。系统一负责快速、轻量的决策，而系统二执行更慢、更审慎的推理。Jev-Mem通过一个专用的系统一控制平面、一个结构化的多关系记忆平面和一个系统二推理平面，将这种分工应用于智能记忆。系统一控制器在记忆构建时管理记忆类型化和关系组织，并在检索时动态执行查询路由、检索预算分配、图遍历、候选评分及自适应停止。仅在处理复杂推理和答案合成时才调用系统二。该设计同时提升了记忆有效性和系统效率：在LoCoMo数据集上，Jev-Mem取得了0.777的LLM-as-a-Judge总体评分，相对最强基线提升了11.0%，同时将记忆构建时间缩短至158秒（相比最快的竞争对手记忆系统实现6.6倍加速），并将平均查询延迟降低至0.93秒（降幅36.7%）。

查看arXiv页面 (https://arxiv.org/abs/2609.23986) 查看PDF (https://arxiv.org/pdf/2609.23986) GitHub7 (https://github.com/libingzheren/Jev-Mem) 添加到收藏夹 (https://huggingface.co/login?next=%2Fpapers%2F2609.23986)

在你的智能体中获取此论文：

hf papers read 2609\.23986

没有最新版CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

无模型链接此论文 在模型README.md中引用 arxiv.org/abs/2609.23986 以从此页面链接。

引用此论文的数据集0

无数据集链接此论文 在数据集README.md中引用 arxiv.org/abs/2609.23986 以从此页面链接。

引用此论文的Spaces1

包含此论文的收藏夹0

无收藏夹包含此论文 将此论文添加到收藏夹 (https://huggingface.co/new-collection) 以从此页面链接。