Fortunate Recall: Ontology-Driven Memory Lifecycle Management for Persistent Coherence in LLMs· 幸运回忆：持久连贯性在 LLM 中的记忆管理
Current LLM memory systems treat all personal facts identically, so stores grow without bound while retrieval precision degrades. The core challenge is lifecycle management: which memories should persist, which should be replaced, and at what rate, conditioned on the behavioral type of each fact. Fortunate Recall (FR) is a composable policy layer that classifies personal facts into a 10+1 behavioral ontology and applies category-specific lifecycle policies (differential temporal decay, slot-key supersession, event-time validity, and category-aware retrieval routing) as deterministic functions over LLM-extracted metadata. FR-Bank, our infrastructure-independent implementation, reaches a 76.9% pass rate on LifecycleBench, a new 516-question temporal-disambiguation benchmark, ahead of Mem0, A
通过行为本体管理个人事实的生命周期，实现LLM中的持久连贯性。
- 核心方法
- Fortunate Recall (FR) 提出了一种可组合的策略层，将个人事实分类为10+1个行为本体，并根据类别应用特定的生命周期管理策略，包括差异时间衰减、槽位键替换、事件时间有效性以及类别感知检索路由。
- 适合谁读
- 研究者 / 工程师
- 要解决的问题
- 现有的大型语言模型（LLM）记忆系统对所有个人事实一视同仁，导致存储无限增长和检索精度下降。
- 关键实验
- FR 在 LifecycleBench 基准测试上的表现优于 Mem0，达到76.9%的通过率，LifecycleBench 是一个包含516个时间消歧问题的新基准。
- 主要贡献
- FR 提供了一种有效的记忆生命周期管理方法，通过分类和策略应用，提高了记忆系统的持久连贯性和检索精度。
- 意义与局限
- 该研究的意义在于提升 LLM 的记忆管理效率，改善长期使用过程中的信息连贯性和准确性，但需要进一步验证其在不同场景下的泛化能力。