长期记忆改写成可调用代码：MaC在LOCOMO上把整体判分最高提高15.91%，同时少用token
核心概要
长期记忆系统通常把事实存成条目、检索时按相关性挑选，跨会话分散且随时间变化的事实难以组合。MaC把记忆构建与检索统一到同一套代码抽象上：事实被写成带规范标识和来源的可执行函数，查询则被编译成一段检索程序，一次规划调用后由执行器运行。在LOCOMO与LONGMEMEVAL上，MaC在四个评测设置中整体LLM判分均为最高，相对各自最强基线最高提升15.91%和9.06%，并显著降低token消耗。
深度剖析
长期记忆不再只是被检索的事实条目，而是一组可被查询程序调用的函数，检索因此从按相关性挑事实变成对记忆执行一段结构化程序。 此前的记忆系统侧重组织与维护事实，对把存储事实上的计算封装起来、供不同查询复用支持有限；检索端要么用预定义流程，要么靠逐步的LLM规划换取灵活性。 在LOCOMO与LONGMEMEVAL上，MaC在全部四个评测设置中取得最高整体LLM判分，相对各设置最强基线最高提升15.91%和9.06%。
记忆构建把对话历史中的事实转成三层可执行结构，从原子函数层经关系层到模块组合层，每层都保留事实标识与来源。 原子函数层为每条规范化事实生成返回证据记录的函数，关系层用supersedes关系标明新事实替换旧事实但两者都保留，模块组合层用模板生成当前状态与历史两类派生函数。 检索端由LLM规划器依据函数索引与算子接口，在一次规划调用中生成完整检索程序，执行器按中间结果走预定义分支，成功执行时不再逐步调用LLM。
启示与展望
演示范围限于LOCOMO与LONGMEMEVAL两个长期对话记忆基准：LOCOMO使用Qwen3.6-27B、ChatGPT-5.6-Luna与DeepSeek-V4-Flash三个生成骨干，LONGMEMEVAL统一使用Qwen3.6-27B骨干，LLM判分由DeepSeek-V4-Flash给出。
查询阶段的token消耗在不同骨干与方法间有波动，构建阶段的优势最为一致；程序校验或执行失败时会触发有界修复尝试，必要时退回固定检索程序。