站内快照 · 国内可打开。外网原文可能无法访问。
- 论文公开站arXiv
SpeakerMem-R1：面向多方对话的以说话人为中心双轨记忆
SpeakerMem-R1: Speaker-Centered Dual-Track Memory for Multi-Party Dialogue
摘要显示，多方对话中的长期记忆需区分「谁说了什么」、涉及对象、个体认知、群体共享信息及状态随时间的变化。现有通用 LLM 记忆系统易丢失人物与群体关系，难以整合分散于成员、群体与时间中的线索。作者提出 SpeakerMem-R1，采用双轨记忆存储带说话人标注的原文消息与派生状态，并分人物级、群体级视图，查询时按实体、事件、时间融合两轨证据；同时用 SpeakerLevenshtein 与说话人条件化 GRPO 训练 Writer-R1 以降低归因与更新错误。
意义：为多智能体与多方对话场景的长期记忆提供可归因、可本地部署的结构化方案，缓解人物关系丢失与状态重建难题。