T-Mem：基于时序结构的长程多方对话记忆框架
Get the story
2026年10月12日，arXiv Computation and Language 发布一手论文，提出面向 LLM 智能体长期多方对话的记忆框架 T-Mem。该框架通过时间证据发现与时间记忆结构化两个机制，恢复局部聚集证据并重建完整事件演进，再以 Evidence Forest Linearization 序列化证据生成答案。论文称在两个长期多方记忆基准上，T-Mem 在不同 LLM、参数设置、领域和查询类型下均优于竞争框架。目前公开信息仅含该论文报道，尚无后续验证或第三方复现结果。
Generated from reports · updated 2 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Computation and LanguageT-Mem：用时间证据森林支撑长程多方对话记忆
论文提出面向 LLM 智能体长期多方对话的记忆框架 T-Mem，通过时间证据发现与时间记忆结构化两个机制，恢复局部聚集证据并重建完整事件演进，再以 Evidence Forest Linearization 序列化证据生成答案。在两个长期多方记忆基准上，T-Mem 在不同 LLM、参数设置、领域和查询类型下均优于竞争框架。
Heat trend
Current heat 9·Comparable peak 10（Oct 12）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.