arXiv 2026年10月5日该工作提出 APDMem（Agent-controlled Progressive Disclosure Memory），把对话历史组织为主题摘要、个性化关键事实、轮次级证据笔记和原始消息四层递进结构，推理时由控制器先读高层摘要、仅在需要时下钻到更细证据，并用笔记合成器把检索证据整理为面向查询的结构（合并事实、排序事件、标记矛盾），在 LongMemEval 上取得较强的长上下文记忆推理表现，同时只访问全部对话的 8%。该工作提出 APDMem（Agent-controlled Progressive Disclosure Memory），把对话历史组织为主题摘要、个性化关键事实、轮次级证据笔记和原始消息四层递进结构，推理时由控制器先读高层摘要、仅在需要时下钻到更细证据，并用笔记合成器把检索证据整理为面向查询的结构（合并事实、排序事件、标记矛盾），在 LongMemEval 上取得较强的长上下文记忆推理表现，同时只访问全部对话的 8%。APDMem 用四层记忆与控制器按需下钻，在 LongMemEval 上仅访问 8% 对话即完成长上下文记忆推理该工作提出 APDMem（Agent-controlled Progressive Disclosure Memory），把对话历史组织为主题摘要、个性化关键事实、轮次级证据笔记和原始消息四层递进结构，推理时由控制器先读高层摘要、仅在需要时下钻到更细证据，并用笔记合成器把检索证据整理为面向查询的结构（合并事实、排序事件、标记矛盾），在 LongMemEval 上取得较强的长上下文记忆推理表现，同时只访问全部对话的 8%。该工作提出 APDMem（Agent-controlled Progressive Disclosure Memory），把对话历史组织为主题摘要、个性化关键事实、轮次级证据笔记和原始消息四层递进结构，推理时由控制器先读高层摘要、仅在需要时下钻到更细证据，并用笔记合成器把检索证据整理为面向查询的结构（合并事实、排序事件、标记矛盾），在 LongMemEval 上取得较强的长上下文记忆推理表现，同时只访问全部对话的 8%。