正在补充深度解读，当前内容可以先阅读
论文解决了什么问题
现有Agent记忆常让自回归LLM参与组织、检索与控制，把昂贵生成放在每次读写的关键路径上。
核心方法
分离System-One控制平面、多关系记忆平面与System-Two推理平面，用轻量控制器管理检索流程。
实验结论
- LoCoMo LLM-as-a-Judge为0.777，相对提升11%；构建时间158秒、快6.6倍，查询延迟0.93秒、下降36.7%。
- 把记忆控制从“每一步都让大模型思考”改成快速决策系统，慢模型只负责真正复杂的合成。
适合谁阅读
长期记忆与高效Agent系统研究者Agent记忆System One检索控制
可核验的原论文来源和作者
- 作者
- Dongming Jiang, Yi Li, Bingzhe Li
- 来源
- arXiv
- 论文 ID
- 2609.23986