Mem++：面向长期组织级 LLM Agent 的非破坏性记忆框架

论文提出 Mem++，一种非破坏性记忆框架，将组织级 LLM Agent 的记忆策略从写入时蒸馏转为读取时选择。系统完整保存每份文档及其日期和作者，写入阶段不调用生成模型；读取阶段仅检索问题所涉时间点之前的文档，并融合词法与语义排序。与覆盖旧版本的方案不同，Mem++ 保留历史版本，由回答模型自行取舍。摘要中组织基准评测结果被截断，具体效果未完整呈现。

AI推荐理由 提出 Mem++ 非破坏性记忆框架，把组织级 LLM Agent 的记忆从写入时蒸馏改为读取时选择：整篇存储文档及其日期与作者，写入时不调用生成模型，读取时只检索问题时间点之前的文档并融合词法与语义排序，保留旧版本交由回答模型判断。该思路针对长期组织决策中版本随时间变化、写入时压缩会预先固定可回答范围的问题，具有明确的方法新意；但输入仅给出摘要片段，评测基准结果被截断，缺少完整实验数据与对比细节，实际效果尚不能确认。