先手 SENTE · 周报阅读清单 · 速读 · arXiv 2609.26780
SpeakerMem-R1：多人对话里记住「谁说了什么、说的是谁」
SpeakerMem-R1: Speaker-Centered Dual-Track Memory for Multi-Party Dialogue
Haobo Zheng，Tan Tang，Yan Chen，Weijie Wang 等 5 位作者 · 2026-09-22
多人群聊的长期记忆：原话一条轨，人物状态一条轨
打开交互式解读 →三个要点
- 问题：多人长期对话的记忆不只是检索相关内容，还要分清谁说了什么、说的是谁、成员之间怎么看彼此、哪些信息是群体共享的、状态如何随时间变化。通用的大模型记忆系统常常丢掉人物与群体关系，或整合不了分散在成员、群组和时间里的线索。
- 方法：双轨记忆——一条存带说话人标签的原话，一条存派生出的状态，按「个人视图」和「群体视图」组织；查询时按实体、事件、时间合并两条轨的证据。为了减少构建记忆时的归属和更新错误、并能本地部署，作者用 SpeakerLevenshtein 和说话人条件的 GRPO 训练了 Writer-R1。
- 结果：在 GroupMemBench、SocialMemBench、EverMemBench 上二元准确率分别为 47.9%、69.2%、61.9%，比各基准上主流框架的最好结果高 3.3、12.4、9.4 个百分点；在 EverMind-AI 公开的 EverMemBench 榜单上为 62.33%。305 题受控实验中，强化学习把写入模型的平均准确率从 57.38% 提到 68.20%。
+12.4 SocialMemBench 上超过主流框架最好结果的百分点
适合谁读：做群聊助手、社群运营、客服与协作软件里 Agent 记忆的团队。
AI 解读 · 基于原文：本页由 AI 根据论文原文整理，所有数字均可在原文中找到出处；引用前请核对原文。