冉佳鑫关于图结构对话记忆的论文《Does Memory Need Graphs? A Unified Framework and Empirical Analysis for Long-Term Dialog Memory》被 ACL 2026 接收。

图结构因其在检索增强生成中的成功以及与人脑记忆的关联性，正越来越多地被应用于对话记忆系统中。然而，现有研究对其有效性的实证结果并不一致，使得究竟哪些设计选择真正关键仍不明确。针对这一问题，我们提出了一种面向实验与系统分析的长时对话记忆架构研究方法。我们形式化了一个统一框架，将对话记忆系统拆解为核心组件，并同时支持基于图和非图的方法。在该框架下，我们在LongMemEval和HaluMem基准上开展了分阶段、受控的实验，系统比较了记忆表示、组织与维护、以及索引与检索等方面的常见设计选择。大量实验结果表明，那些在以往工作中往往被忽视的具体实现细节对性能具有显著影响。此外，我们还识别出一系列稳定可靠的强基线，为公平比较和实际部署提供了有力支撑。