流式对话摘要新框架ReMEMBER：按缺失证据检索历史

现代平台的用户反复需要近期对话的摘要，但窗口内通常缺乏足够的上下文来独立解读。我们将此场景形式化为流式对话摘要，即系统必须在固定预算下，利用来自无界历史的选择性记忆来总结当前窗口。我们表明，核心挑战不在于访问了多少历史，而在于记忆是否恢复了当前窗口所预设的证据。我们构建了一个基准和评估协议，分别评估记忆是否包含解决间隙的证据，以及生成的摘要是否反映了这些证据。我们提出了ReMEMBER，一种缺失证据记忆框架，它根据未解决的窗口依赖来调节检索，并在固定预算下将检索到的片段提炼为证据密集的记忆。在历史长达160K token的对话实验表明，在相同预算下，ReMEMBER相比记忆构建基线提高了记忆召回率和间隙解决完整性。