TRACE 是一个新的开源分层记忆系统，将对话历史组织成主题树。它使用 gpt-oss-20B 模型在 MemoryAgentBench 的 EventQA 任务上达到了 82.5%的 F1 分数。 这项工作通过引入分层主题树，解决了 LLM 智能体中记忆检索扁平化的关键局限，性能显著优于 Mem0 和 MemGPT 等现有方法。开源发布有助于更广泛的应用和进一步研究。 基准测试并非完全对等，因为 TRACE 使用了 gpt-oss-20B，而 Mem0 和 MemGPT 使用了 GPT-4o-mini；TRACE 的 gpt-oss-120B 版本达到了 83.8% F1。作者指出由于 JSON 解析限制，无法在 gpt-oss 上运行 Mem0。
背景
LLM 智能体需要记忆系统来在长对话中保留和检索信息。传统方法使用平坦的检索增强生成（RAG），将所有历史视为同等片段，可能丢失上下文层次结构。TRACE 将记忆组织成包含分支和摘要的主题树，使智能体能够更有效地导航历史上下文。MemoryAgentBench 是来自 ICLR 2026 的基准测试，旨在评估 LLM 智能体的记忆能力。