这项由德克萨斯大学达拉斯分校打算机科学系、佛罗里达大学电气与打算机工程系以及加州大学戴维斯分校共同完成的究诘，于2026年5月发布在预印本平台arXiv上，论文编号为arXiv:2605.09942v1，究诘标的包摄于东谈主工智能界限。感酷爱的读者可通过该编号在arXiv上查阅完好原文。

东谈主和AI之间有一个根人道的差距，即是"牵挂"。你和老一又友相见，脑子里会自动表示出前次碰头时他说的那句话、那顿饭的滋味，以致那天的天气。但当你和一个AI助手聊天时，如若换个会话窗口，它很可能对你们之前说过的一切一无所知——仿佛每次对话王人是第一次碰头。

究诘东谈主员为这个问题想出了许多解法，其中最主流的念念路是给AI配一个"外部牵挂库"：把历史对话、用户偏好、任务遣散等信息存起来，每次需要时再翻出来用。这个念念路没错，但翻牵挂这件事自己，作念得好不好，死别不错相配大。这项究诘的中枢，即是要让AI学会更忠良地"翻牵挂"。

一、牵挂库里的"舆图"坏了

先来相识一下现存AI牵挂系统的逆境。假定你是一家大型藏书楼的馆员，馆里藏书屈指可数，每本书之间还有多样关联——有的书讲的是归拢件事，有的书在时辰向前后相续，有的书之间存在因果关联，有的书里提到了归拢个东谈主物。当读者来查书时，你的任务是从这张纵横交叉的关联网里，快速找到最有价值的那几本。

当今的AI牵挂系统，大多数时候作念的是一件更纰漏的事：把通盘书的"摘录"转动成数字向量，然后用读者的问题去匹配最掌握的向量。这就像藏书楼只靠封面颜料来分类——速率快，但精度有限，并且透顶忽略了书与书之间那张复杂的关联网。

更进阶一些的系统，会把牵挂组织成一张"关联图"，访佛一张舆图，舆图上的节点是一条笔牵挂，节点之间的连线代表它们的关联。但问题在于，这张舆图上的连线是固定的、莫得轻重的——不管你问的是什么问题，舆图即是那张舆图，连线的紧迫性永恒一样。

这就暴露馅一个根蒂劣势：归拢条连线，对不同的问题，价值天壤之隔。比如，你问"上周我告诉AI我要外出旅行，之后发生了什么？"，那么时辰规矩上的连线就相配关节；但如若你问"我提到过哪些餐厅？"，那么实体关联（归拢个话题下的条件）才是重心，时辰线反而没那么紧迫。用一张痴呆的舆图回应通盘问题，明显力不从心。

这即是HAGE这篇究诘要科罚的问题：何如让这张"牵挂舆图"活起来，让它能根据你问的问题，动态地判断哪条路更值得走。

二、HAGE的中枢念念路：给舆图上的每条路装上"可退换的街灯"

HAGE，全称是"通过强化学习驱动的加权图演化来独霸智能体牵挂"（Harnessing Agentic Memory via RL-Driven Weighted Graph Evolution）。这个名字听起来很学术，但中枢念念路其实不错用一个舆图导航的譬如来相识。

往常的牵挂舆图，每条路的"亮度"是固定的——你不管去哪儿，通盘路王人一样亮，导航系统只可靠距离（也即是语义相似度）来选路。HAGE作念的事情，是给每条路装上了"可退换的街灯"：街灯的亮度会根据你的主义地（你问的问题类型）动态调养。去市中心，时辰类型的路会变亮；找某个东谈主，实体关联类型的路会变亮；追忆一件事的一脉相通，因果类型的路会变亮。

更进一步，HAGE还让这套街灯系统能够"自我学习"——通过无数现实导航教学，系统会冉冉知谈哪些路在哪类问题下更靠谱，并把这种教学编码进街灯的退换规矩里。这个学习过程，用的是强化学习（Reinforcement Learning）的方法，访佛于让一个学徒通过反复犯错和改造来集结教学。

三、牵挂舆图的构建：四种关联，一张长入的网

在详备先容HAGE怎么"调街灯"之前，先来望望这张牵挂舆图长什么样。

HAGE把通盘的牵挂条件组织成一个有向多关联图。图里的每个节点，代表一个"事件节点"——它不仅仅一段笔墨，而是一个包含四个成分的结构化牵挂单位：事件内容自己、发生的时辰戳、一个捕捉语义含义的数字向量，以及附带的结构化元数据（比如波及的东谈主名、场所等）。

节点与节点之间的连线，被分离为四种类型，分别对应四种不同的关联维度。第一种是时辰连络关联，勾搭在时辰向前后详尽相连的事件；第二种是语义相似关联，勾搭内容主题掌握的事件；第三种是因果依赖关联，勾搭存在"来因去果"逻辑的事件；第四种是实体共指关联，勾搭波及归拢个东谈主、归拢件物品或归拢个成见的事件。

这四种关联共同组成了一张异质性的、多档次的牵挂相聚，比单纯的向量检索或者单一类型的图结构要丰富得多。

HAGE最关节的瞎想采取在于：每一条连线，王人配有一个可造就的"关联特征向量"，维度刚巧是4，分别对应这四种关联的强度得分。这个向量不是固定死的，而是会在造就过程中箝制被优化——那些在现实检索中匡助找到正确谜底的连线，其特征向量会被强化；反之则会被缓慢。

四、检索的四个智力：从发问到找到谜底

有了这张动态舆图，HAGE的检索过程分为四个丝丝入扣的阶段，通盘这个词经过像一次有主义的考查活动。

第一阶段是查询分析与锚点识别。当用户提倡一个问题时，系统起初要相识这个问题在"说什么"。一个基于大说话模子（LLM）的分类器会判断这个问题属于哪种关联意图——是在问时辰规矩、如故在找某个实体、如故追忆因果链？与此同期，系统还会把问题转动成一个宽敞的数字向量，并索要其中的关节词或时辰拘谨。接下来，系统通过会通宽敞向量检索、寥落关节词匹配和时辰过滤三种技术，找到几个"锚点节点"，动作后续在舆图上游走的起点。

第二阶段是带权重的图遍历。从锚点启程，系统入手在舆图上步碾儿。这里是HAGE最中枢的翻新所在。关于舆图上的每一条连线，系统会把这条连线的静态关联特征向量，与刻下问题的关联意图向量以及两头节点与问题的语义相似度，拼接成一个更丰富的"增强特征"。这个增强特征被输入到一个轻量级的神经相聚，称为"查询路由器"（QueryRouter），它会输出一个正数，代表这条连线在刻下问题下的结构性紧迫进度。

最终，每一步的变嫌得分由两部分加权相加得出：主义节点与问题的语义相似度（占比由超参数λ浪漫），加上这条连线的结构性紧迫进度。这个瞎想绝顶异常念念——它允许系统去探索那些语义上看起来不那么有关、但在结构上是关节"桥梁"的节点。这就好比在一张城市舆图上，天然某条小径看起来偏僻，但它是连通两个区域的独一通谈，导航系统应该优先走这条路，而不是因为它不热点就废弃。

造就时，系统从这个概率散布中飞快采样（探索更多旅途）；推理时，则收受诡计采取或束式扩张（走最有把抓的路）。当跳数预算耗尽或已找到主义笔据节点时，遍历达成。

第三阶段是凹凸文合成。找到的牵挂节点被再行排序并序列化成一段紧凑的凹凸文，根据问题类型，不错按时期规矩、因果规矩或检索得分规矩摆列，直到填满凹凸文预算。

第四阶段是交给大说话模子生成最终回应。检索到的凹凸文与原始问题沿途送入LLM，生成最终的谜底。

五、强化学习：让系统在"试错"中变忠良

相识了检索经过，再来看HAGE的造就机制。这是通盘这个词框架的第二根撑持，亦然它与传统图检索系统最本色的区别。

HAGE把图遍历过程建模为一个马尔可夫决策过程（MDP）——这是强化学习中的一个尺度框架，本色上是形色一个"智能体在环境中作念决策"的过程。在HAGE里，"智能体"即是检索系统，"环境"即是牵挂舆图，"决策"即是每一步采取走哪条连线。

每个造就样本界说了一个"回合"。回合入手时，系统处于某个肇始节点，手抓刻下问题；每一步，系统根据学到的战略采取一个邻居节点走昔时；回合达成有三个可能的条件：找到了主义笔据节点、走到了莫得未探访邻居的死巷子，或者跳数预算耗尽。

奖励瞎想体现了究诘团队的精心。每找到一个主义笔据节点，系统取得一个正奖励；每走一步，扣除一个小的步数刑事背负（饱读动系统找平直旅途而不是绕弯路）；如若跳数耗尽还没找到谜底，稀疏扣一个超时刑事背负。关于多跳问题（需要经过多个中间节点才能找到谜底），系统需要相聚通盘必要的笔据节点，每找到一个就累积一次正奖励，找完通盘的才算完成回合。

造就算法收受的是REINFORCE算法，这是一种经典的战略梯度方法。为了镌汰造就的方差，系统选藏了一个指数出动平均基准值，每次用现实请问减去这个基准值，来评估一次决策"比平均水平好若干"——唯有"高于平均"的决策才会被强化，这让造就更厚实。需要造就的参数包括两部分：查询路由器的神经相聚权重，以及通盘连线的关联特征向量，这两部分在归拢个奖励信号下沿途被优化。

六、锚点正则化：谢绝系统"跑偏"

在造就过程中，究诘团队发现了一个潜在的风险：连线特征向量在被强化学习优化的过程中，可能会偏离它们的运行值太远。这会形成一个现实问题——在推理时，碰到新的牵挂图（造就时没见过的）时，系统只可使用静态运行化的特征向量，而路由器却是在仍是"漂移"的特征向量上造就出来的，两者之间出现了不匹配，导致泛化才能下落。

为了科罚这个问题，究诘团队引入了一个"锚点正则化"项：在造就示寂中加入一个刑事背负项，强制让优化后的特征向量不要偏离运行值太远，具体用的是L2范数（不错相识为欧式距离）来度量偏移进度。这就好比给每条路的街灯设了一个"弹力绳"——街灯不错调亮调暗，但不可飞得太远，要时刻保持与运行位置的筹办。

最终的造就主义是战略梯度主义（但愿累积奖励最大化）加上这个锚点正则化项（但愿特征向量不要漂移太远）的加权组合。

七、协同进化：街灯和导航员相互配置

HAGE的造就过程中，发生着一种玄机的"协同进化"动态，相识这少量有助于把抓通盘这个词框架的精髓。

连线特征向量会冉冉学会编码"哪些关联信号对导航有用"。那些在收效找到笔据的轨迹上出现的连线，其特征向量会被强化，让开由器更容易识别它们的价值；反之，那些老是出当今失败轨迹上的连线，其特征向量会被压制。查询路由器则在学另一件事：给定一个问题和一条连线的特征，判断"走这条路值不值"，冉冉发现哪些特征时势对不同类型的问题预示着好的变嫌。

为了厚实这种双向反馈驱动的协同进化，究诘团队为两部分参数竖立了分歧称的学习率：路由器的学习率较大（10的负3次方），允许它快速得当不同的查询时势；特征向量的学习率较小（10的负4次方），让它更保守地演化，保留第一阶段运行化时建造的语义结构，幸免不厚实的特征漂移。

八、在两个泰斗测试集上的阐述

究诘团队在两个世俗使用的基准数据集上评估了HAGE的性能，并与多个起初进的牵挂系统进行了比拟，通盘系统使用推敲的主干说话模子，以确保比拟的自制性。

第一个测试集是LoCoMo，这是一个专门评估超经久对话牵挂的基准，对话平均长度约为9000个词汇，涵盖五种问题类型：多跳推理、时辰推理、绽放域、单跳检索和抗击性问题（这类问题刻意瞎想成"无法回应"，用来测试系统是否会乱编谜底）。

使用GPT-4o-mini动作主干模子时，HAGE在总体得分上以0.739的收货卓著了通盘对比基线，其中阐述最好的基线MAGMA得分为0.700。HAGE在时辰推理（0.667）、单跳检索（0.797）和抗击性问题（0.839）上均取得了最好收货。抗击性问题上的大幅起初尤其值得关切——这阐发HAGE在找不到有关牵挂时，能够更准确地判断"我不知谈"，而不是造谣一个听起来合理但现实失实的谜底。

使用较小的Qwen2.5-3B动作主干模子时，HAGE相同以0.548的总体得分卓著了通盘基线（最好基线MAGMA为0.499），在时辰推理和单跳检索上亦然第一。这标明HAGE的擢升不依赖于绝顶弘远的主干模子，在资源受限的场景下相同灵验。

第二个测试集是HotpotQA，这是一个非对话类的多跳问答基准，每个问题需要从多个搅扰段落中找到并整合有关笔据才能回应。这个测试专门检修系统能否逾越多个笔据片断进行推理，而不依赖对话历史。HAGE在GPT-4o-mini主干下取得了0.678的F1得分和0.824的LLM评分，均为通盘方法中最高；在Qwen2.5-3B下相同全面起初。这阐发HAGE学到的图遍历才能具有细致的泛化性，不局限于对话类场景。

九、后果对比：多花的钱值不值

擢升性能常常伴跟着更高的打算本钱，究诘团队因此专门进行了后果分析，比拟各系统在每次查询的平均词汇奢华量和平均延伸上的阐述。

HAGE每次查询平均奢华3.82千个词汇，平均延伸2.17秒。与它对比最强烈的基线MAGMA每次奢华3.37千词汇，延伸1.72秒。也即是说，HAGE奢华了梗概多13%的词汇和多26%的延伸，但总体得分从0.700擢升到了0.739，擢升幅度约5.6%。而MemoryOS天然得分（0.553）不如HAGE，但延伸高达32.68秒，远超HAGE的2.17秒。MemSkill得分最低（0.501），延伸最短（1.46秒），但也最不准确。由此可见，HAGE在精度和后果之间取得了在通盘比拟方法中最有益的衡量点。

十、消融实验：断绝望望哪部分在阐述作用

为了搞了了HAGE的擢升究竟来自那边，究诘团队作念了系统性的消融实验，一一去掉或替换不同组件，望望得分怎么变化。

静态边（只用固定关联类型，不造就特征向量、无谓路由器）得分为0.698，这是基础水平。加入LLM评分的边运行化（用LLM瞻望算每条连线在各关联维度上的得分动作运行值，但不造就）后，得分擢升到0.712，阐发更丰富的运行信息有匡助。进一步造就边特征向量（但不使用可造就的路由器）后，得分擢升到0.724；单独使用可造就路由器（但不造就边特征向量）得分为0.713。临了，同期启用可造就边特征向量和可造就路由器的完好HAGE，得分达到0.739，F1也从静态边的0.462擢升到0.548。

这个消融实验揭示了一个紧迫瞻念察：边学习和路由学习是互补的，而非不错相互替代的。边学习稳健编码"哪条路在哪类问题下更有价值"，路由学习稳健"怎么应用这些价值信号来作念遍历决策"。唯有两者协同责任，才能阐述出最大后劲。结伙优化加上正则化的瞎想，使得泛化性能高于仅优化其中任何一个组件。

说到底，HAGE作念的事情，用一句话综合即是：把AI的牵挂检索从"翻字典"变成了"走迷宫，并且是一个会根据你的主义地自动调亮有关街灯的迷宫"。

这项究诘的价值在于，它默契地指出了刻下AI牵挂系统的一个被淡薄的瓶颈——不是记不住，而是找不准——并提倡了一套从数据结构（多关联加权图）到学习算法（强化学习结伙优化）王人十分完好的科罚决议。实验遣散也评释，这套决议在多个场景下王人能带来实质性的擢升，而不仅仅在特定条件下才灵验。

天然，究诘团队也坦诚地指出了几个局限：面前只在LoCoMo和HotpotQA两个数据集上考据过，尚不了了在设施性推理或文档级推理等场景下是否相同灵验；通盘这个词框架依赖LLM来作念查询意图分析和遣散评估，这引入了稀疏的本钱和模子依赖；此外，持久化牵挂系统自己带来的隐秘风险也阻挠淡薄——AI集结的详备用户交互历史如若被滥用，后果可能十分严重。

关于往常东谈主来说，这项究诘最平直的道理，概况即是异日阿谁帮你经管日程、记载责任进展的AI助手，能够确实记着并在得当的时候教唆你三周前你提到过的那件紧迫事情——而不是在海量牵挂中飘渺不知所措。

---

Q&A

Q1：HAGE框架和往常的RAG（检索增强生成）有什么根蒂区别？

A：往常RAG是在一个静态的外部文档库里作念向量相似度检索，每次检索是沉寂的、一次性的。HAGE针对的是"智能体牵挂"场景，牵挂库是跟着交互延续更新的，并且检索过程是沿着多关联图结构的多步遍历，而非单次相似度匹配。HAGE还引入了强化学习，让检索战略能够根据卑劣任务反馈箝制自我优化，这是往常RAG不具备的。

Q2：HAGE的强化学习造就需要东谈主工标注旅途数据吗？

A：不需要完好的旅途级标注。HAGE只需要节点级的笔据主义，也即是哪些牵挂节点包含正确谜底。系统通过匹配节点内容与尺度谜底来自动判断某个节点是否是"主义笔据节点"，然后用到达这些节点的收效轨迹来打算奖励，从而造就路由战略，不需要东谈主工标注每一步应该走哪条路。

Q3：HAGE框架中的四种关联类型是何如构建的，需要东谈主工界说吗？

A：四种关联（时辰连络、语义相似、因果依赖、实体共指）是在构建牵挂图时通过规矩和模子自动生成的，不需要东谈主工对每条连线一一标注。时辰关联通过期辰戳比拟得到手机网页版登录，语义关联通过向量余弦相似度阈值得到，因果和实体关联可借助LLM或结构化抽取器从文本中索要。每条连线的四维特征向量在运行化时反应这四种关联的得分，之后在造就中进一步细化。