← Back to Paper
Version History
面向大语言模型的记忆管理理论框架研究：认知自适应与用户参与的视角
Version 3
(Latest)
March 21, 2026 14:27
面向大语言模型的记忆管理理论框架研究：认知自适应与用户参与的视角
大语言模型在长程交互中面临记忆过载与用户失控的双重困境：无差别的海量存储导致认知负荷攀升，黑箱式的遗忘机制引发隐私信任危机。本研究提出一种兼具认知自适应与用户可干预的 AI 记忆管理理论框架（CAUM）。首先，基于信息熵、交互频率与冲突检测，设计多维记忆重要性评估模型，特别引入后文关联潜力作为信息价值评估的新维度，使记忆保留更具前瞻性；其次，构建包含原始层、摘要层与骨架层的分级存储架构，并引入阈值触发的智能压缩机制；最后，提出用户参与式授权机制，将“记忆整理提案”可视化呈现并由用户审核决策，实现“人在回路”的记忆治理。该框架为缓解 LLM 记忆过载问题提供了系统的概念方案，将信息生命周期理论拓展至 AI 记忆管理领域，强调用户中心的信息处置权，为人工智能时代的信息生命周期管理提供了新的理论视角，也为构建用户可控的智能记忆系统奠定了概念基础。
✓ Reviewed
Latest Version
Version 2
March 21, 2026 12:44
面向大语言模型的记忆管理理论框架研究：认知自适应与用户参与的视角
大语言模型在长程交互中面临记忆过载与用户失控的双重困境：无差别的海量存储导致认知负荷攀升，黑箱式的遗忘机制引发隐私信任危机。本研究提出一种兼具认知自适应与用户可干预的 AI 记忆管理理论框架（CAUM）。首先，基于信息熵、交互频率与冲突检测，设计多维记忆重要性评估模型，特别引入后文关联潜力作为信息价值评估的新维度，使记忆保留更具前瞻性；其次，构建包含原始层、摘要层与骨架层的分级存储架构，并引入阈值触发的智能压缩机制；最后，提出用户参与式授权机制，将“记忆整理提案”可视化呈现并由用户审核决策，实现“人在回路”的记忆治理。该框架为缓解 LLM 记忆过载问题提供了系统的概念方案，将信息生命周期理论拓展至 AI 记忆管理领域，强调用户中心的信息处置权，为人工智能时代的信息生命周期管理提供了新的理论视角，也为构建用户可控的智能记忆系统奠定了概念基础。
✓ Reviewed
Version 1
March 21, 2026 01:11
面向大语言模型的记忆管理理论框架研究：认知自适应与用户参与的视角
大语言模型在长程交互中面临记忆过载与用户失控的双重困境：无差别的海量存储导致认知负荷攀升，黑箱式的遗忘机制引发隐私信任危机。本研究提出一种兼具认知自适应与用户可干预的 AI 记忆管理理论框架（CAUM）。首先，基于信息熵、交互频率与冲突检测，设计多维记忆重要性评估模型，特别引入后文关联潜力作为信息价值评估的新维度，使记忆保留更具前瞻性；其次，构建包含原始层、摘要层与骨架层的分级存储架构，并引入阈值触发的智能压缩机制；最后，提出用户参与式授权机制，将“记忆整理提案”可视化呈现并由用户审核决策，实现“人在回路”的记忆治理。该框架为缓解 LLM 记忆过载问题提供了系统的概念方案，将信息生命周期理论拓展至 AI 记忆管理领域，强调用户中心的信息处置权，为人工智能时代的信息生命周期管理提供了新的理论视角，也为构建用户可控的智能记忆系统奠定了概念基础。
✓ Reviewed