M2A：具有双层混合记忆的多模态记忆代理，用于长期个性化交互

本文针对长期人机交互中的个性化问答问题，提出了一种名为M2A的代理系统，该系统采用双层混合记忆架构以维持用户的多模态信息。现有模型在处理跨周或跨月的对话历史时存在局限性，无法持续吸收和利用用户增量概念、别名和偏好。M2A通过两个协作代理实现在线更新：ChatAgent管理用户交互并自主决定何时查询或更新记忆，MemoryManager则将ChatAgent的记忆请求分解为对双层记忆库的操作，包括不可变的原始消息存储（RawMessageStore）和高层语义记忆存储（SemanticMemoryStore）。此外，研究还开发了一个可复用的数据合成流程，将基于概念的会话注入到长对话中，同时保持时间一致性。实验表明，M2A显著优于基线方法，证明了从一次性配置转向共演化的记忆机制是实现高质量个性化响应的有效路径。