Memanto：面向长程智能体的类型化语义记忆与信息论检索 Memanto: Typed Semantic Memory with Information-Theoretic Retrieval for Long-Horizon Agents
纯向量架构+信息论检索+13类语义类型，在LongMemEval/LoCoMo刷新SOTA
前置知识
检索增强生成（RAG）
RAG（Retrieval-Augmented Generation）是把外部知识库的检索结果作为上下文拼接到 LLM prompt 里的一类范式，模型基于这些 grounding 文本再生成回答。系统通常包含 embedder（把文本变成向量）、vector store（保存向量并支持 ANN 检索）、retriever（按相似度召回路段）、以及 reader（让 LLM 基于召回内容作答）四个组件。RAG 是把 LLM 的参数化记忆与外部持久记忆桥接起来的事实标准，过去两年成为企业知识接入 LLM 的默认路径，也是 agent 长期记忆的工程化起点。
本文的整个对比基准——LongMemEval、LoCoMo、Mem0、Hindsight——都是 RAG 派生的智能体记忆系统。要理解 Memanto 的召回扩张（k 从 10 提到 40）为何能带来 +20.4 个百分点的单点飞跃，必须先知道 RAG 检索-读取的两阶段管线结构，以及"retriever 召回上限"是一个独立的旋钮。论文的所有消融实验本质上都是在调这个旋钮，离开了 RAG 框架就无从谈论文的 recall-over-precision 主张。
HNSW（分层可导航小世界图）
HNSW（Hierarchical Navigable Small World）是目前主流向量数据库（Qdrant、Pinecone、PGVector、Milvus 等）使用的近似最近邻（ANN）索引结构。它把向量组织成多层近邻图，查询时通过贪心游走快速找到 top-k 候选。它的优势是亚毫秒级查询、亿级向量可扩展；代价是需要在插入向量和可被检索之间做异步索引同步，因此存在 ingestion-to-search 延迟，并且搜索结果带随机性（jitter）、不可精确复现，对生产 agent 来说是稳定性的潜在风险源。
Memanto 用来对比的所谓"Memory Tax"主要就源自 HNSW 系系统的两类开销：插入时的索引构建延迟、查询时的近似性。理解 HNSW 的非确定性是看懂论文"deterministic exact match"主张的必要前提，也是为什么 Memanto 能在 9.6ms 内完成 2000+ QPS 而 PGVector/Qdrant 需要 37–86ms 的工程根因。论文所有"零摄入开销、确定性、可复现"的论点都建立在对 HNSW 局限的认知上。
Tulving 情景-语义记忆二分法
认知科学家 Endel Tulving 在 1972 年提出 episodic memory（情景记忆，记录何时何地发生的具体事件）与 semantic memory（语义记忆，存储脱离时空中的一般性知识）的区分。后人又加入 procedural memory（程序性记忆，例如骑车的肌肉记忆）。这套分类直接映射到 LLM agent 的记忆设计：情景=对话历史片段，语义=用户偏好/事实，程序=行为规则。本文 13 类类型化记忆 schema 就是这套认知模型的工程化扩展，把抽象二分变成可枚举的语义类型。
Memanto 的 D4 设计原则（typed and hierarchical）以及 ENGRAM [14] 实证都建立在 Tulving 分类上。理解"为什么记忆要分类型"比单纯看 schema 表更本质——它是论文声称相对 Mem0/Zep 通用向量池优势的根理论。如果不熟悉 Tulving 分类，可能会误以为 13 类记忆是工程过度设计，而实际上是认知科学驱动的最小必要粒度，schema 内部还内嵌了priority signal 与 decay rate，跨类型加权是 LLM agent 在 recall 阶段直接可调用的隐式超参数。
信息论检索（ITS）
信息论检索是 Memanto 底层 Moorcheh 引擎的核心理念：用信息论度量代替几何相似度来评估"一个文档能多大程度降低查询的不确定性"。具体由三项算法组成：MIB（Maximally Informative Binarization）把 1024 维浮点向量压缩成 32 维二进制串（32× 压缩且不丢信号）；EDM（Efficient Distance Metric）用信息论距离代替余弦相似；ITS（Information Theoretic Score）输出 0–1 归一化的相关性分。由于不构建 HNSW 索引，ITS 引擎写入即可检索（sub-10ms），并通过穷尽扫描保证 deterministic。
Memanto 与 Mem0/Zep 最大的工程差异就在检索后端。要看懂"为什么 Memanto 可以 zero-cost ingestion 而 Mem0g 不行"，必须明白 ITS 是 deterministic exact match 而非 ANN，也不需要异步构建图结构。换言之，ITS 是论文全部架构主张（零摄入、确定性、单一查询即可）的物理基础——离开这套引擎，前面所有 design principle 都只是空中楼阁。
研究动机
过去两年 agentic AI 市场预计从 78 亿美元膨胀到 2030 年的 520 亿美元，Gartner 估计到 2026 年底 40% 的企业应用会集成 AI 智能体（2025 年还不到 5%），这催生了对生产级记忆基础设施的迫切需求。然而当前主流方案（Mem0、Zep/Graphiti、Letta/MemGPT、A-MEM）几乎全部采用"dense vector + knowledge graph"的混合架构：每写一条记忆要同步触发 LLM 实体抽取、向量嵌入、图谱更新三段管线，摄入延迟高达 2–3 秒；以 Zep 为例一次写操作至少调用 2 次 LLM，Mem0 自家消融也承认加图相对纯向量只带来约 2 个百分点微弱增益。日均 1 万次写操作的客服 agent，Mem0-Graph 摄入成本 2.32 美元/天、Zep 1.70 美元/天，且都伴随 2–3 秒的写入阻塞，与 LLM 实时推理回路完全脱节——论文将这套开销称为 "Memory Tax"，是阻碍 agentic AI 进入生产部署的主要瓶颈。
本文的目标是Memanto 的具体目标可以拆成三个递进层次。**工程层**目标：做出一个零摄入开销、单一查询即完成、亚 10ms 写入/亚 90ms 检索的 agentic 记忆层，使 write-to-search 回路进入亚秒级，真正嵌入到 LLM 的实时推理循环中。**学术层**目标：证明"知识图谱的复杂度并非高质量 agent 记忆的必要条件"——纯向量 + 优质语义检索在 LongMemEval 与 LoCoMo 两个权威基准上能打平甚至超越所有 hybrid 系统，从而撬动过去两年行业形成的"不上图就不放心"的工程惯性。**架构层**目标：提供一个包含 13 个语义类型、内建冲突消解机制、时序版本控制、命名空间隔离的可生产部署记忆系统，使 agent 在多会话、长程交互下不出现 constraint drift（约束漂移）问题。最终交付物是 `pip install memanto` 的 Python 包 + 一套对接 Claude Code/Cursor/Cline 的 IDE 集成。
与已有工作不同的是，本文的独特切入角度是把"Memory Tax"从工程抱怨升格为可量化分析对象，并系统论证：在信息论检索+合理工程参数下，"recall over precision"比"graph complexity"对最终准确率贡献大得多。论文通过五阶段渐进消融（baseline→recall expansion→prompt optimization→max recall→model upgrade）逐步剥离每一层贡献，发现把 top-$k$ 从 10 提到 40 单独就贡献 +20.4 个百分点（最大单点增益），而 prompt 优化只 +2.2 个百分点。这意味着过去两年行业把工程精力集中在"提升检索精度（建图、拆查询、加反思）"是解决错了问题；正确路径是放宽检索预算、让 LLM 在 context 里做最后过滤。同时，论文把设计原则归纳成 6 条可验证的 desiderata（D1 可查询、D2 时序衰减、D3 置信与溯源、D4 类型化、D5 冲突感知、D6 零摄入开销），其中 D5/D6 是所有评测对手的系统性盲区。
核心方法
Memanto 的方法论可一句话概括为"把 LLM 当作最强过滤器，把检索当作最广筛网"，在工程上呈现为一个本地 FastAPI 服务，对外三个端点 `/remember`、`/recall`、`/answer`，背后挂载 Moorcheh 的零索引信息论搜索引擎。直觉上：与其像 Zep/Mem0 那样在写入端做 LLM 实体抽取与图谱构建（昂贵且高延迟），不如在读取端把召回数量从行业默认的 10 提到 40 甚至 100，让 LLM 在更长 context 里自己判断哪些 chunk 真的有用——这正是 LongMemEval [9] 已观察到的"性能在 20K tokens 之后继续提升"的延伸。技术上：13 类类型化 schema 让 agent 按 type-filter 精确召回并隐式赋权；冲突消解在写入时通过语义相似度比对触发 supersede/retain/annotate 三选项；时序版本控制支持 as-of/ changed-since/ current-only 三种查询模态；命名空间按 agent 隔离并以 6 小时为默认 session 窗口。
Memanto 与现有方案的本质区别在于把"记忆的认知结构"与"记忆的存储结构"解耦：前者通过 13 类语义类型 schema 表达（轻量、写时无开销），后者退化为单一 ITS 引擎的稠密向量（重写、零延迟、确定检索）。它用 Moorcheh 的三项信息论创新（MIB 32× 压缩二进制化、EDM 信息论距离、ITS 0–1 归一化分数）替代 HNSW+余弦相似度的传统范式，从根本上消除了 HNSW 必须异步构建索引的工程根源。Mem0 自家消融显示 graph 仅带来约 2% 增益，本文把这个数字上升为系统级证据：当底层语义检索本身是确定、精确、信息论化的，knowledge graph 这种"预计算推理通路"的边际收益迅速降到零，反而带来 ingestion 阻塞、运维复杂度、determinism 丢失三重代价。另一个关键创新是把"recall over precision"形式化为可量化的设计原则：用 $k=40$ 召回预算的 +20.4 pp 单点提升，直接证伪了 top-10 的行业惯例。
方法步骤详情
Memanto 端到端运行分五步。**步骤 1（写入）**：用户提交记忆文本与 namespace/session 标签；系统跳过 LLM 实体抽取，由 Moorcheh SDK 做 MIB 32× 压缩二进制化，写入即索引——与 HNSW 数秒异步同步形成对比。**步骤 2（类型与冲突）**：调用方指定 13 类类型之一，系统在同 namespace 同 type 内做语义相似度冲突扫描，触发可配置 threshold 时返回候选并要求显式选 supersede/retain/annotate。**步骤 3（检索）**：请求带查询文本、检索上限 $k$、阈值 $\theta$，Moorcheh 通过 EDM 信息论距离穷尽计算所有存储向量，返回 ITS 分数高于 $\theta$ 的 top-$k$ chunks。**步骤 4（RAG）**：召回 chunks 与查询送入 LLM（最终 Gemini 3，前四阶段用 Claude Sonnet 4）过滤并生成答案。**步骤 5（时序）**：as-of/changed-since/current-only 三模态由 ITS 引擎支持。
技术新颖性
本文技术新颖性集中在三点。**第一，信息论检索的工程化**。Moorcheh 的 MIB 在 32× 压缩比下保持检索信号不衰减，ITS 彻底剔除 ANN 抖动；MAIR 基准 [33] 验证其在 2000+ QPS 下 9.6ms 距离计算，完胜 PGVector/Qdrant 的 37–86ms。**第二，类型化 schema + 自动冲突消解的协同**。13 类类型同时充当 priority signal、decay rate、retrieval filter，让 agent 在 recall 阶段就能用窄 query 锁定高质量子集，叠加 supersede/retain/annotate 显式处理，防止 constraint drift。**第三，五阶段消融的方法学贡献**：把 k 调优、阈值调优、prompt 优化、模型升级逐个隔离量化——graph 加持在 Mem0 上仅约 2%，而 recall 扩张在 Memanto 上达 20.4 pp，行业过去两年在错的优化目标上堆工程。
实验结果
Memanto 在 LongMemEval 上达到 **89.8%** 整体准确率、LoCoMo 上达到 **87.1%**，是所有评测的纯向量系统中第一名；比 Hindsight（多查询+反思，复杂度 4/4）低 1.6/1.7 pp，但用单一查询、零摄入开销，落在"理想左上象限"。最关键发现来自五阶段消融：Stage 1（k=10、θ=0.15、Claude Sonnet 4）基线 LME 56.6% / LoCoMo 76.2%；Stage 2 把 k 提到 40、θ 放松到 0.10，**LME 暴涨 +20.4 pp 到 77.0%**，LoCoMo +6.6 pp 到 82.8%——全论文最大单点改进；Stage 3 换 Hindsight prompt 只 +2.2 / +0.1 pp；Stage 4 把 k 推到 100、θ 降到 0.05 再 +5.8 / +3.4 pp；Stage 5 换 Gemini 3 再 +4.8 pp 到 89.8%。10K 次/天操作下 Memanto 仅 0.50 美元/天，年省约 662 美元/agent。
查看结构化数据
| 任务 | 指标 | 本文 | 基线 | 提升 |
|---|---|---|---|---|
| LongMemEval 整体准确率 | 准确率 (Accuracy, %) | 89.8% (Memanto, Vector Only, Single Query, Gemini 3) | Hindsight 91.4% (Hybrid Reflection+Vector, Multi-Query, 复杂度 4/4) | 在纯向量类中 SOTA，超 Mem0 66.9% 共 22.9 pp；比 Hindsight 低 1.6 pp 但复杂度低 4/4 |
| LoCoMo 整体准确率 | 准确率 (Accuracy, %) | 87.1% (Memanto, Vector Only, Single Query, Gemini 3) | Hindsight 89.6% (Multi-Query)，Mem0 66.9%，Zep 75.1% | 纯向量第一；比 Hindsight 低 2.5 pp，但单查询且零摄入开销 |
| LongMemEval - Single-session Assistant | 分类准确率 (%) | 100.0% | 无直接对比基线 | 本类上达到完美表现，证明单轮事实查询已被纯向量+类型化 schema 充分解决 |
| LongMemEval - Knowledge Update | 分类准确率 (%) | 93.6% | LongMemEval 平均水准显著低于此 | 说明 supersede/retain/annotate 的冲突消解机制在知识更新场景中起效 |
| LongMemEval - Multi-session | 分类准确率 (%) | 81.2% | 无单点对比，但论文承认这是最弱项 | 较整体 89.8% 低 8.6 pp，跨会话合成仍是长程 agent 的开放问题 |
| LoCoMo - Multi-Hop | 分类准确率 (%) | 70.8% | LoCoMo 整体 87.1% | 多跳推理是 LoCoMo 最难子任务，比 Open Domain 92.4% 低 21.6 pp |
| 摄入延迟 (Ingestion Latency) | 毫秒 (ms) | <10 ms (零 LLM 写入，零索引同步) | Mem0-Graph ≈2000 ms，Zep ≈3000 ms | 比 hybrid 系统快 200–300×，使 write-to-search 回路进入亚秒级 |
| 日运营成本（10K 操作/天/agent） | 美元/天 | 0.50 美元/天 | Mem0-Graph 2.32 美元/天，Zep 1.70 美元/天 | 相比 Mem0-Graph 节省约 78%，约 662 美元/agent/年 |
局限与改进
作者坦率承认几项关键局限。**第一，基准饱和与标注噪声**：LongMemEval 约 5%、LoCoMo 约 6–7% 的题目存在标注不一致，构成与架构无关的性能天花板。**第二，基准场景的对话性偏差**：研究型 agent、代码生成 agent、多 agent 协同等非对话工作流未被覆盖。**第三，推理模型依赖**：Stage 5 用 Gemini 3 单独贡献 +4.8 pp，89.8% 数字里有相当部分来自模型能力而非记忆架构。**第四，规模评估缺失**：Moorcheh 在 MAIR 上验证过 10M+ 文档，但 Memanto 在数千并发 agent 下的系统级 benchmark 仍是未来工作。**第五，类型化需用户手动标注**：当前 13 类由写者手工选择。**第六，多 agent 共享记忆的 namespace 隔离子设计**：合规但限制协同场景，共享+权限控制+一致性协议在 roadmap 中但未交付。**第七，关键数字对照并非同一设置**：Hindsight 的 LME 91.4% 来自其自家论文。
独立分析的弱点
独立审视，本文至少有四个值得改进的弱点。**弱点一：评测同质化严重**。Hindsight 用 multi-query + reflection 仅高出 1.6–2.5 pp；若目标定为"推翻 graph 必要性"，应增加真实生产语料对比并加入"生产 SLA（95p 延迟、QPS 下准确率）"指标。**弱点二：13 类 schema 边界手动定义**。fact vs observation vs context 在认知上有重叠，建议用 LLM on-the-fly 推断代替手选，或缩减到 5–6 个原子类型。**弱点三：recall over precision 缺乏理论下界**。建议在 $k\in\{5,10,20,40,80,160,320\}$ 完整 sweep，并报告 hallucination rate 随 $k$ 变化。**弱点四：conflict resolution 判定不透明**：建议在 MemoryAgentBench [30] 上做单独报告，把三选项的 hit rate 与最终答案准确率关联起来。
未来方向
作者明确提出四个未来方向。**方向一：自动化类型分配**。用规则决策树代替用户手选 13 类 memory type；进一步可训练小分类器，端到端把自然语言片段路由到正确类型。**方向二：多 agent 共享记忆**。当前 namespace 架构隔离了 agent 之间记忆，目标是引入跨 agent 共享+访问控制+一致性协议。**方向三：非对话型 agent 记忆 benchmark**。需要测试 research agent、code agent、multi-agent coordination 的记忆表现。**方向四：规模评估**。Memanto 至今未在数千并发 agent 的系统级场景下做 benchmark。可延伸方向还包括：把 ITS 与 streaming LLM 推理结合（每生成一个 token 就重查一次记忆）、引入被动写入（agent 不显式调用 `/remember`，系统自动从对话流中抽取承诺/事实）、给 ITS 引擎增加"按 type 加权"模式（让 commitment 在 deadline 临近时自然上浮），把 D2 时序衰减做实。
复现评估
可复现性方面论文表现良好。**代码开源**：Memanto v2.1.4 通过 `pip install memanto` 公开，评估脚本在 github.com/moorcheh-ai/memanto-evaluation；Moorcheh SDK 是 production release。**数据公开**：LongMemEval（500 题、约 115K tokens、约 50 sessions）、LoCoMo（35 sessions、300 turns、约 9K tokens/对话）都是公开 benchmark。**算力要求低**：4 CPU + 8 GB RAM、10 GB 磁盘、Python 3.10+，无需 GPU；LLM 走 Gemini 3 API，judge 用 Claude Sonnet 4。**复现难度中等偏低**——配置 k=100、θ=0.05、Gemini 3 全部公开，但完整复现 89.8%/87.1% 需稳定访问 Gemini 3 与 Claude Sonnet 4；baseline 未在同一 prompt 协议下重跑。
论文图表
时间轴展示 2023–2026 年 agentic memory 系统的演变轨迹：左侧早期 MemGPT/Letta（虚拟内存分页思路）、2024 年 Mem0（Vec+Graph 三层结构）、2025 年 Zep（Graph+Vec 含时序索引）、A-MEM（Zettelkasten 层级笔记）、Hindsight（反思 + 平行多查询）、Letta（Binary Zettelkasten 形态）；最右端是 2026 年 Memanto（ITS + Typed 标签），下方还有 LLM context window 从 4K → 128K → 1M+ tokens 的并行增长曲线。整体视觉是 architectures 越走越复杂、context window 越走越长，但 Memanto 用更简单架构反而拿到 SOTA。
一张图交代整个研究领域 4 年的演化与本文定位——Memanto 站在 1M+ context 时代却用更简单的纯向量架构达到 SOTA，直接呼应论文核心主张"graph complexity 没必要"。
六维雷达图对比 Memanto、Mem0、Zep、Letta、ENGRAM、A-MEM 在 D1（Queryable）D2（Temporal decay）D3（Provenance）D4（Typed）D5（Conflict aware）D6（Zero ingest overhead）上的覆盖度。Memanto 六维全 ✓，是图中唯一填满六边形的系统；Mem0/Zep 弱在 D5–D6 （无冲突检测、摄入成本高）；Letta 弱在 D2–D5；ENGRAM 缺 D3、D5、D6；A-MEM 缺 D5–D6，仅 D2–D4 部分支持。整张图一句话总结：竞品漏的不是一两条边，而是关键边——冲突感知和零摄入开销。
把论文提出的 6 条设计原则可视化为对比，是 motivation 部分最强的一张证据图——直接说明"为什么所有对手都漏了 D5 冲突感知和 D6 零摄入开销"。
6×5 矩阵：行是 Memanto/Mem0/Zep/Letta，列是 D1–D6，单元格 ✓=全支持、∼=部分支持、✗=不支持。Memanto 全 ✓，是唯一六维满分系统；Mem0/Zep 在 D3/D4 ∼、D5/D6 ✗；Letta 在 D2–D5 ✗、D6 ∼。表与 Fig. 2 雷达图相互验证，特别凸显 D5（冲突感知）与 D6（零摄入开销）是所有评测对手的系统性盲区。 表与 Fig. 2 雷达图相互验证，特别凸显 D5（冲突感知）与 D6（零摄入开销）是所有评测对手的系统性盲区，也是 Memanto 定价/合规故事的支点。
Fig. 2 的数据化版本，对照更精确；体现 D5（冲突感知）与 D6（零摄入开销）是所有评测对手的系统性盲区，也是 Memanto 的差异化卖点。
13 行 schema 表：fact（客观事实，高稳定高置信）、preference（用户偏好，中等衰减）、decision（影响未来的决定，高持久）、commitment（承诺/义务，时间敏感）、goal（目标，达成前激活）、event（历史事件，情景式衰减）、instruction（规则与指南，程序性持久）、relationship（实体连接，图状稳定）、context（情境信息，强时序）、learning（从经验中学到的，累积性）、observation（注意到的模式，统计性演化）、error（要避免的错误，持久守门）、artifact（文档/代码引用，参考指针）。
Memanto 类型化 schema 的完整定义，是 D4 原则的工程实现；后续 13 类与 ITS 权重如何联动决定系统行为。
消融 Stage 1 基线表：两行两列——LongMemEval 56.6%、LoCoMo 76.2%。配置为 k=10、threshold=0.15、推理模型 Claude Sonnet 4。证明"最小可行 RAG"在两个 benchmark 上都低于 80%，给后续每一阶段改进提供 baseline 锚点；19.6 pp 的两基准差距也提示 LoCoMo 信息密度更高、LongMemEval 题目更长更分散。
消融起点——证明"最小可行 RAG"在两个 benchmark 上都低于 80%，为后续每一阶段改进提供 baseline 锚点。
消融 Stage 2（Recall Expansion）表：LongMemEval 77.0% (+20.4 pp)、LoCoMo 82.8% (+6.6 pp)。检索上限从 10 提到 40、阈值从 0.15 放松到 0.10。这是全论文最大的单点改进，超过 Stage 3–5 任何一步的贡献；也是 recall over precision 原则的核心数字证据——"给 LLM 更宽的筛网远比精挑细选更划算"。
全论文最大的单点改进——把检索上限从 10 提到 40 单独就贡献了 LME 20.4 个百分点，是 recall over precision 原则的核心数字证据。
消融 Stage 3（Prompt Optimization）表：LongMemEval 79.2% (+2.2 pp)、LoCoMo 82.9% (+0.1 pp)。配置：检索参数沿用 Stage 2（k=40, θ=0.10），prompt 改用 Hindsight 仓库的优化版本。与 Stage 2 的 +20.4 pp 形成鲜明对比，量化证明 prompt 工程的天花板很低；支撑论文论点"当 recall 不够时，prompt 调优是杯水车薪"。
与 Stage 2 的 +20.4 pp 形成鲜明对比，量化证明 prompt 工程的天花板；支撑论文论点"当 recall 不够时，prompt 调优是杯水车薪"。
消融 Stage 4（Maximum Recall）表：LongMemEval 85.0% (+5.8 pp)、LoCoMo 86.3% (+3.4 pp)。配置：动态 k 上限 100、ITS 阈值降至 0.05。把 k 再翻 2.5 倍、阈值再放松50% 还能继续涨，证明 LLM 对噪声 context 的高容忍度——之前被忽视的"长尾有用片段"在更宽的检索预算下浮出水面。 在 LLM context 不爆炸的前提下，token 成本上去了约 5×，但准确率仍能继续增长。
证明 LLM 对噪声 context 的高容忍——把 k 再翻 2.5 倍、阈值再放松 50% 还能继续涨，说明 LLM 比想象的更会过滤。
LongMemEval Stage 5 终态按类别细分表：Single-session User 95.7%、Single-session Assistant 100.0%、Single-session Preference 93.3%、Knowledge Update 93.6%、Temporal Reasoning 88.0%、Multi-session 81.2%；整体 89.8%。揭示单轮类近乎完美，跨会话与时序推理仍是弱点，Multi-session 81.2% 暴露长程合成的真正挑战。
揭示 89.8% 的内部结构：单轮类近乎完美，跨会话/时序推理仍是弱点，Multi-session 81.2% 暴露长程合成的真正挑战。
LoCoMo Stage 5 终态按类别细分表：Single-Hop 78.7%、Multi-Hop 70.8%、Open Domain 92.4%、Temporal 85.4%；整体 87.1%。Open Domain 最高、Multi-Hop 最低，与 LongMemEval 结论互补："事实查询被解决、多步合成仍是开放问题"在两个 benchmark 上同时成立。 配合 Table VII 一起看，能清晰区分"事实检索"与"多步合成"两类子能力的天花板差距。
与 Table VII 互补——LoCoMo 的 Open Domain 最高、Multi-Hop 最低，与"事实查询被解决、多步合成仍是开放问题"的判断一致。
12 行 ×5 列横向对比：系统名、LoCoMo 准确率、LME 准确率、架构类型、检索策略。Memanto 87.1/89.8 Vector-Only Single-Query；Hindsight 89.6/91.4 Hybrid Reflection Multi-Query；Mem0 66.9/— Vector-Only Parallel；Mem0g 68.4/— Hybrid Parallel；Zep 75.1/71.2 Hybrid Parallel；LangMem 58.1/— Vector-Only RAG。是 Fig. 7 的完整数据版本，对每一类架构（vector/hybrid/full context）给出明确分类标签。
论文最完整的横向对比表，是 Fig. 7 的全数据版本；对每一类架构（vector/hybrid/full context）给出明确分类。
Memory Tax 四系统对比：Memanto（0 LLM 摄入 / 1 LLM 检索 / Moorcheh / <10ms / 零空闲成本）、Mem0（1/1/Vector DB/≈500ms/固定）、Mem0g（≥2/≥2/Vector+Neo4j/≈2s/固定）、Zep（≥2/≥2/Vector+Graph/≈3s/固定）。把"Memory Tax"从口号变成 4 维可对比数字，是论文最锋利的工程论证——尤其 0 次摄入 LLM 这一栏让 Memanto 显得极端，与 hybrid 系统形成分水岭。
把"Memory Tax"从口号变成 4 维可对比数字，是论文最锋利的工程论证——尤其 0 次摄入 LLM 这一栏让 Memanto 显得极端，也是与 hybrid 系统分水岭。