FadeMem：受生物学启发的遗忘机制用于高效代理记忆

作为自主代理部署的大语言模型面临关键的记忆限制，缺乏选择性遗忘机制，导致上下文边界处出现灾难性遗忘或内部信息过载。尽管人类记忆通过自适应衰减过程自然平衡保留与遗忘，当前AI系统采用二元保留策略，要么完全保留信息，要么彻底丢失。本文提出FadeMem，一种受生物学启发的代理记忆架构，引入主动遗忘机制以模拟人类认知效率。FadeMem在双层记忆层次结构中实现差异化的衰减率，保留由语义相关性、访问频率和时间模式调节的自适应指数衰减函数控制。通过LLM引导的冲突解决和智能记忆融合，系统整合相关信息并允许无关细节逐渐消失。在Multi-Session Chat、LoCoMo和LTI-Bench上的实验表明，FadeMem在多跳推理和检索方面表现优异，存储量减少45%，验证了生物学启发式遗忘在代理记忆系统中的有效性。