以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
Long-term memory enables large language model (LLM) agents to provide continuous personalized assistance by retaining user information across interactions. Existing systems support this process through fact extraction, organization, updating, and retrieval, but largely maintain memories as independent facts. This fact-
阅读原文 · Zhishang Xiang, Yunbo Tang, Zhongqiao Liu, Junkai Chen, Zerui Chen, Qingguo Hu, Yuxuan Zhang, William Grant, Qinggang Zhang, Jinsong Su
向阳乔木 · opencode-go/deepseek-v4.1-flash
长期记忆这件事，做个人 Agent 的团队基本都绕不开。存事实、抽事实、检索事实，这套流程已经很成熟了。 但 EvoMemState 这篇论文点出一个容易被忽略的缺口： 事实之间会互相影响 。新信息进来之后，旧事实可能失效、被约束、或者和别的记忆冲突；同一条记忆在不同请求里该扮演什么角色、优先级多高，现有系统往往没显式处理。 这篇论文想做的，就是把这些隐含的...