智能体与自主科学
突破级
有讲解视频
收录解读
长期会话记忆里最难的部分往往不是“能否检索到相关片段”，而是如何在多月跨度的对话中正确处理时间变化、事件先后关系和跨轮次多跳查询。很多 memory 系统仍然主要依赖语义相似度，因此一旦用户事实随时间变化，或者问题本身要求 temporal filtering，就很容易把语义相关但时间错误的证据混在一起。
Chronos 的核心新意是把长期对话显式重写成两个结构化检索层：一个是由 subject-verb-object 事件与时间范围组成的 events calendar，另一个是保留原始上下文的 turn calendar。查询时系统不是静态 top-k，而是先动态生成 retrieval guidance，再通过迭代式 tool-calling 在两个 calendar 上做时间约束检索和多跳推理。这个设计把长期记忆从“语义相似”推进到“时间结构化检索”。
它值得这个仓库正式收录，因为 temporal-aware memory 是长期 agent memory 的核心难点，而 Chronos 给出的是清晰、可复用的系统模式：先把会话压成可时间推理的结构化事件层，再保留上下文层作为精读补充。对 personal assistant、long-horizon dialogue agent 和 profile memory infra 都有直接外溢。
它目前仍是 breakthrough 而不是更高一级，因为证据还主要来自 arXiv 阶段和 LongMemEvalS 一类特定 benchmark，离成为更广长期记忆默认架构还有距离；同时它的 structured event extraction 本身仍依赖上游解析质量，复杂真实对话中的稳定性需要更多验证。