长对话代理已经渗透到日常生活中，必须记住久远的对话内容，以免用户重复指令和上下文。关键挑战在于指令和上下文会随时间变化，记忆系统需要同时保存当前状态和历史状态，区分陈旧信息与活跃知识，检索与查询匹配的证据，并避免频繁调用大语言模型重写先前交互。
我们提出 MINDSET，一种记忆控制器，将对话存为不可变的 episode，并通过最小能量状态转移将这些 episode 组织成带版本的 schema。每条新来 episode 可以 强化、取代、拆分或创建 一个 schema。转移决策在表示失真、矛盾、历史损伤、碎片化和内部不一致之间进行权衡，滞后机制 防止孤立矛盾过早重写已稳定的记忆。
在 850 条可复现问题（700 条 LoCoMo + 150 条 MemoryAgentBench）上，MINDSET 与 5 种记忆系统对比，取得最高的 LoCoMo 答案 F1，并在检索排序指标（Recall@8、MRR、nDCG@8）上显著超越第二名 LightMem（p < 0.05）。
点评