Memora：平衡抽象与特异性的和谐记忆表征

Memora 提出了一种平衡抽象与特异性的记忆表征方法，通过将每个记忆拆分为“主要抽象”（6–8词短语）和“记忆值”两部分，并仅对抽象进行相似性搜索，从而避免信息碎片化；同时引入“线索锚点”作为上下文感知的标签，提供多条检索路径，无需预定义本体。在此基础上，Memora 采用策略引导的检索器，通过迭代查询和线索扩展实现多跳推理，在 LoCoMo 和 LongMemEval 两个长上下文基准上分别达到86.3%和87.4%的准确率，显著超越RAG、Mem0等现有方法，且每个对话存储的记忆条目仅为Mem0的一半，令牌消耗相比全上下文推理降低高达98%。这项工作为AI代理实现长期协作与组织知识积累提供了新思路。