MemGAS：多粒度记忆关联让AI Agent精准回忆

当一个用户和AI Agent聊了几个月，系统到底应该记住什么？是整段对话、每一句细节、摘要，还是关键词？来自ICLR 2026的MemGAS论文给出了一个清晰的回答：不能只选一个。这篇论文提出了一套多粒度记忆关联与自适应选择框架，让对话Agent不仅「会记住」，更关键的是「会在正确粒度上想起来」。

单一粒度记忆的困境

现有的对话记忆系统通常沿用RAG思路，把历史对话切成session、turn、summary或topic chunk，再做向量检索。部分方法会进一步构建树或图结构，但往往还是围绕单一层级运作——比如只用实体图或只用摘要索引。

问题在于，用户的问题经常跨会话、跨主题、跨时间。单一粒度很难同时保留细节和关系。比如用户问「我总共完成了几门在线课程」，如果系统只存了session级摘要，可能只找到「学习计划和职业建议」这样的粗粒度信息，而丢失了具体的课程数量；反过来，如果只存了turn级细节，又可能只命中其中一次对话，遗漏分散在不同会话中的信息。

这篇论文来自中国科学技术大学、香港城市大学和华为等机构，核心作者包括许德荣等人，论文标题为《From Single to Multi-Granularity: Toward Long-Term Memory Association and Selection of Conversational Agents》。

MemGAS的四种记忆粒度设计

MemGAS的核心设计是同时维护四种粒度的记忆单元：

• Session级：保留一整段会话，适合查看完整背景和上下文
• Turn级：保留具体轮次，适合查找日期、人名、数量等精确信息
• Summary级：用LLM压缩话题，提供中等粒度的语义概括
• Keyword级：用关键词和实体做精确锚点，支持快速定位

但关键不只是「多存几个索引」。MemGAS真正的创新在于记忆关联机制：当新对话进来时，系统会把不同粒度编码成向量，与历史记忆比较相似度，再用**高斯混合模型（GMM）**把历史记忆分成「相关集合」和「无关集合」。只有相关的旧记忆才会与新记忆建立连边，进入关联图。

为什么用GMM而不是固定阈值？

GMM解决的是「哪些旧记忆值得连边」这个问题。如果只按固定阈值切分，很容易受数据分布影响。GMM把相似度看成两类分布——一类更像相关记忆，一类更像无关记忆——这样新记忆不会盲目连到所有历史节点，而是只强化比较可信的关联。

熵路由器：自适应选择最优记忆粒度

查询来了以后，MemGAS怎么决定该用哪种粒度？这里用的是一个熵路由器（Entropy Router）。

系统分别计算查询在session、turn、summary、keyword四种粒度上的相似度分布。如果某个粒度的分布很集中（熵低），说明匹配更确定，就给它更高权重；如果分布很散（熵高），说明不确定，就降低权重。

举个直观的例子：用户问「我总共完成了几门在线课程」，turn级可能能精确命中「三门Coursera」和「两门edX」，而session级会带出很多学习计划和职业建议——此时细粒度更确定，权重更高。反过来，如果用户问「我最近主要在规划什么」，session或summary可能更合适，因为它们能提供完整的上下文脉络。

图传播机制：从精确检索到联想式回忆

普通的TopK检索只看谁和问题最像，而MemGAS引入了**Personalized PageRank（PPR）**在关联图上做传播。

具体流程是：先用加权相似度选出若干种子节点（seed nodes），再在图上做PPR扩散。这样一个关键词被命中后，和它稳定相连的session、turn、summary都有机会被带出来——更像是联想式回忆，而不是简单的模式匹配。

论文中的典型案例：用户分别在两次会话里提到完成了三门Coursera课程和两门edX课程。当问题问总数时，只检索到第一段会话会回答「三门」，而MemGAS的多粒度关联能通过共同主题和关键词把两段会话一起找回来，得到正确答案「五门」。

图传播的扩展与收窄平衡

图传播会不会把不相关内容也带出来？确实存在这个风险。所以MemGAS最后还有一个LLM过滤层，把TopK候选记忆和查询一起交给LLM，让它去掉重复、无关或噪声内容，只把最关键的上下文交给回答模型。也就是说：图负责扩展召回，过滤负责收窄上下文。

论文验证的两个关键超参数：种子节点数量在约15附近效果较好，熵温度参数在约0.2附近较稳。重点不是固定数值，而是让联想可以扩散但不能无边界扩散。

实验结果：MemGAS全面领先主流基线

论文在四个长期记忆基准上进行了评估：Locomo、LongMemEval-S、LongMemEval-M和LongMTBench Plus，基线包括FullHistory、Contriever、SEACOM、HIPPO RAG、RAPTOR、AMEM等主流方法。

几个代表性数字：

数据集	指标	MemGAS	最强基线
LongMemEval-S	F1	20.38	14.73 (HIPPO RAG)
LongMemEval-S	Recall@3	78.51	75.53 (HIPPO RAG)
LongMemEval-M	F1	16.85	11.88 (Contriever)
LongMTBench Plus	F1	41.49	36.07 (FullHistory)
Locomo	Recall@10	81.82	次优基线

消融实验也很直接：完整MemGAS的F1为20.38，去掉全部核心组件后降到13.78；单独去掉GMM、PPR、记忆关联或熵路由器，表现都会下降，说明每个模块都有独立贡献。

计算成本与资源开销分析

论文的结论是成本可控。在LongMemEval-S上，构建记忆处理约52.9M input tokens，接近原始语料规模；Summary和Keyword带来的额外内存约27MB，大约是原始记忆的10%；核心模块引入的检索延迟也很小。

局限性与实际落地挑战

尽管MemGAS在实验中表现优异，在真实产品中仍面临几个关键挑战：

1. 摘要和关键词提取的稳定性：情绪化表达、隐含意图或非事实性碎片可能导致LLM提取不稳定
2. 错误联想风险：相似度高不等于语义上应该关联，图结构可能产生误连
3. 长期运维成本：记忆持续增长后，隐私管理、权限控制、遗忘机制、冲突更新和实时成本控制都是必须面对的问题

总结：从「会记住」到「会想起」的范式升级

MemGAS推进的是长期记忆系统的结构化范式：不要把对话历史当成一堆等待检索的文本块，而要把它拆成不同粒度，建立可信关联，再按问题自适应选择和传播。

它和知识图谱RAG、技能图有本质区别——知识图谱围绕实体关系，技能图围绕执行依赖，而MemGAS的记忆关联图节点背后是不同粒度的对话记忆，它不负责规划动作，而是负责在长期对话历史里找到既有细节又有上下文的证据。

对对话Agent来说，「会记住」还不够，关键是会在正确粒度上想起来。