多轮对话 speaker 关系记忆新方案
推荐指数 64.0 NO. 023 · 2026.09.25
upvotes77comments3
为什么值得看
SpeakerMem-R1 提出双轨记忆架构，同时追踪个体 speaker 画像和群体共享状态，解决多人对话中"谁说了什么、关系如何演变"的归因难题。做客服、社交、游戏 NPC 等多角色对话系统的团队，终于不用在 LLM 上下文里硬塞历史记录了。
媒体预览
编辑判断
目前业内的对话记忆方案如 MemGPT、LangChain 的 ConversationBufferMemory 基本都是单用户视角，多人场景下 speaker 混淆是通病。这篇的核心创新是把记忆拆成"个人轨道"和"群体轨道"，用关系图动态更新，类似给每个对话参与者建了一张不断演化的社交卡片。
论文提到在 MultiWOZ 和自建 benchmark 上 attribution 准确率比 GPT-4 基线提升约 15%，但还没看到开源代码。如果后续放出来，做 Discord/Slack 智能助手、多人游戏 GM 代理的团队可以直接拿来用，否则需要自行复现双轨更新的图逻辑。