PreCoMem：预测编码式长期对话Agent记忆框架

2026年10月21日，arXiv 的 cs.AI 与 cs.LG 分类下出现一篇介绍 PreCoMem 的论文，提出一种面向长期对话智能体的记忆整合框架。该框架把用户记忆表示为带置信度的信念状态，其核心信号名为 Effective Surprisal，由语义偏离与矛盾证据共同构成；当检索弥散、证据不可靠时，该信号的权重会被降低。框架再通过双阈值门控，把每轮对话映射为 MAINTAIN、PROFILE、CORRECT 三种确定性更新，其中 PROFILE 作为显式等待区，用于避免过早采信噪声证据。报道称该框架在 LoCoMo 等基准上取得 SOTA 准确率。目前该工作仅见这一篇 arXiv 报道，尚无其他来源给出独立评测或复现结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。