基于生成和情感反映的记忆更新：创建KEEM数据集以实现更好的长期对话

在本研究中，我们引入了保持情感与关键记忆（KEEM）数据集，这是一个新颖的基于生成的方法设计的数据集，旨在增强长期对话系统中的记忆更新能力。不同于现有依赖简单累积或操作方法的方案，这些方法常导致信息冲突并难以准确跟踪用户的当前状态，KEEM通过动态生成整合性记忆来解决这些问题。该过程不仅保留了关键的事实信息，还融入了情感背景和因果关系，从而更细致地理解用户交互。通过无缝更新系统中包含情感和关键数据的记忆，我们的方法促进了更深层次的共情，并增强了系统在开放领域对话中做出有意义回应的能力。