HiVe-Mem: Interleaving Horizontal Memory Expansion and Vertical Evidence Composition for Multimodal Agents

我们引入了 extbf{ extsc{H}}or extbf{ extsc{i}}zontal Memory Expansion与 extbf{ extsc{Ve}}rtical Evidence Composition相结合的多模态记忆框架 extbf{ extsc{H}}ivemem。对于水平记忆扩展， extbf{ extsc{H}}ivemem使用文本和视觉锚点将记忆片段组织成关系图，通过相关邻居扩展语义检索的种子，以恢复互补信息。对于垂直证据组合，每个检索到的记忆保留多种证据形式，包括紧凑摘要、标题、基于视觉的视图、原始图像和交互历史。