Memoria Episodica Strutturata degli Eventi

Abstract

Gli approcci attuali alla gestione della memoria nei Large Language Model (LLM) si basano prevalentemente sulla Generazione Aumentata dal Recupero (RAG) statica, che spesso produce recuperi frammentati e non coglie le dipendenze strutturali necessarie per il ragionamento complesso. Per gli agenti autonomi, queste architetture passive e piatte mancano dell'organizzazione cognitiva necessaria per modellare la natura dinamica e associativa dell'interazione a lungo termine. Per affrontare questa limitazione, proponiamo la Structured Episodic Event Memory (SEEM), un framework gerarchico che sinergizza un livello di memoria a grafo per fatti relazionali con un livello di memoria episodica dinamica per la progressione narrativa. Basandosi sulla teoria cognitiva dei frame, SEEM trasforma i flussi interattivi in Episodic Event Frames (EEF) strutturati ancorati da puntatori di provenienza precisi. Inoltre, introduciamo un meccanismo di fusione associativa agentica e di Reverse Provenance Expansion (RPE) per ricostruire contesti narrativi coerenti da evidenze frammentate. I risultati sperimentali sui benchmark LoCoMo e LongMemEval dimostrano che SEEM supera significativamente i metodi baseline, consentendo agli agenti di mantenere una coerenza narrativa e una consistenza logica superiori.

English

Current approaches to memory in Large Language Models (LLMs) predominantly rely on static Retrieval-Augmented Generation (RAG), which often results in scattered retrieval and fails to capture the structural dependencies required for complex reasoning. For autonomous agents, these passive and flat architectures lack the cognitive organization necessary to model the dynamic and associative nature of long-term interaction. To address this, we propose Structured Episodic Event Memory (SEEM), a hierarchical framework that synergizes a graph memory layer for relational facts with a dynamic episodic memory layer for narrative progression. Grounded in cognitive frame theory, SEEM transforms interaction streams into structured Episodic Event Frames (EEFs) anchored by precise provenance pointers. Furthermore, we introduce an agentic associative fusion and Reverse Provenance Expansion (RPE) mechanism to reconstruct coherent narrative contexts from fragmented evidence. Experimental results on the LoCoMo and LongMemEval benchmarks demonstrate that SEEM significantly outperforms baselines, enabling agents to maintain superior narrative coherence and logical consistency.