Nature ｜ 记忆管理天花板来了！MOOM 双分支框架 + 竞争抑制遗忘，各项指标碾压现有方法！

▌关键词：超长对话记忆管理、角色扮演对话系统、双分支记忆提取、叙事摘要分支（NSB）、角色构建分支（PCB）、竞争-抑制遗忘机制、记忆容量控制、ZH-4O数据集、MemScore评估

 
原文、ICML｜CVPR｜AAAI｜ICLR 2025 大模型顶会论文合集

 

一、导读

该研究针对超长角色扮演对话中记忆提取与管理的关键问题展开。随着大语言模型（LLMs）在情感陪伴和角色扮演中的应用日益广泛，对话长度增加导致模型容易忽略历史信息或产生幻觉，严重影响用户体验。现有记忆提取方法普遍存在记忆容量不可控、语义冗余和缺乏结构化建模等问题。

本文首次提出一种基于文学理论的双分支记忆插件MOOM，分别建模“情节发展”与“角色刻画”两大叙事要素，并引入基于“竞争-抑制”理论的遗忘机制，有效控制记忆增长。此外，作者构建了中文超长对话数据集ZH-4O，平均对话轮次达600轮，并包含人工标注的记忆信息。实验表明，MOOM在记忆提取准确率、响应一致性和计算效率方面均优于现有方法，具有重要的理论创新与实践价值。

二、论文基本信息

• 论文标题：MOOM: Maintenance, Organization and Op