精选理由
做对话系统或长期记忆研究的团队，ARPM 把人格一致性从玄学变成了可审计、可迁移的工程问题，值得看看它的实验设计和消融结果。
ARPM 是一个外部时序记忆治理框架，旨在解决大语言模型在长程交互中常见的事实丢失、时间线混乱、人格漂移和稳定性下降问题。该框架将静态知识记忆与动态对话经验记忆分离，结合向量检索、BM25、RRF融合、双时序重排序、时序证据阅读和受控分析协议，实现证据验证与答案绑定。实验表明，在50轮问答中，ARPM在1:5信噪比下人工审查召回率达100%，在1:200+下仍达80%；消融实验显示，禁用对话历史检索后严格准确率从100%降至66.7%。该方法将长期人格一致性分解为可治理的组件，支持白盒评估。
AI 翻译 · 中文
ARPM 是一个外部时序记忆治理框架，旨在解决大语言模型在长程交互中常见的事实丢失、时间线混乱、人格漂移和稳定性下降问题。该框架将静态知识记忆与动态对话经验记忆分离，结合向量检索、BM25、RRF融合、双时序重排序、时序证据阅读和受控分析协议，实现证据验证与答案绑定。实验表明，在50轮问答中，ARPM在1:5信噪比下人工审查召回率达100%，在1:200+下仍达80%；消融实验显示，禁用对话历史检索后严格准确率从100%降至66.7%。该方法将长期人格一致性分解为可治理的组件，支持白盒评估。
Large language models often suffer from fact loss, timeline confusion, persona drift, and reduced stability during long-range interaction, especially under high-noise knowledge bases, context clearing, and cross-model tr…