智能体与自主科学
突破级
暂无讲解视频
收录解读
RoMem 针对长期 agent memory 中的时间建模问题：多数系统把时间当离散标签、recency 排序或覆盖旧事实，无法区分永久事实、缓慢变化事实和快速过期事实。这个问题会直接影响长寿命 agent 的知识连续性。
论文用 relation text embedding 预测关系 volatility，并通过 continuous phase rotation 在时序知识图中表达事实随时间的几何漂移。持久关系旋转慢，易变关系旋转快，从而让旧事实不是简单删除，而是在表示空间中被 shadowing。
它值得收录，是因为它把 agent structured memory 的时间维度变成可插拔的几何模块，提供了比时间戳排序和 LLM ingestion 更可控的记忆更新 primitive。对 agent memory、temporal KG、长期个人化系统都有工程迁移价值。
局限在于它主要解决结构化关系记忆，对非结构化情节记忆、冲突事实归因和多源可信度还需要额外机制。