RuleMem：从历史对话归纳逻辑规则，提升长期对话问答准确率54.3%
在LoCoMo基准上，RuleMem以27.47分的绝对优势超越14个基线平均水平，相对提升54.3%。
AI解读：长期对话场景下，AI助手需要从大量历史对话中准确找信息和推理，但传统记忆机制把过往内容当作被动存储的事实，导致检索不精准、推理不可靠。这项研究提出RuleMem，核心做法是主动从历史对话中归纳出可复用的逻辑规则（自然语言Horn子句），再用规则去引导检索和回答，相当于给AI配了一张动态更新的规则清单。在LoCoMo基准测试中，RuleMem比14个基线平均准确率高出27.47个百分点，相对提升54.3%。对开发者而言，这意味着可以更放心地用长程记忆做客服或助手产品，但尚需关注其在不同模型和更复杂对话中的实际表现与部署成本。
arXiv计算语言学论文（arXiv:2609.03915）提出RuleMem，一个基于规则的记忆框架，通过从历史对话归纳可复用逻辑规则，主动引导证据检索与推理，在LoCoMo基准上达到最高准确率。
研究团队中山大学学者等人对比了14个基线模型，RuleMem以27.47分的绝对优势超过基线平均准确率，相对提升54.3%。
方法与机制
论文指出，现有长期对话记忆机制主要把过去信息作为被动存储的事实，导致语义鸿沟和推理不可靠。
RuleMem从对话构建自然语言Horn子句，并通过规则困惑度一致性（RPC）机制验证。归纳出的规则能检索语义上遥远但相关的证据，并为答案生成提供显式逻辑结构。
评估结果
论文在LoCoMo和LongMemEval_s* 两个长期对话基准上评估了RuleMem。在LoCoMo上与14个基线比较，RuleMem准确率最高，超过基线平均水平27.47个百分点（相对提升54.3%）。
论文未披露LongMemEval_s* 上的具体对比数据，也未提及模型规模、推理延迟等性能指标。