Organize then Retrieve: Hierarchical Memory Navigation for Efficient Agents

HORMA 认为长程 agent 的记忆问题不是“压缩还是检索”二选一，而是先组织再导航。它把经验组织成类似文件系统的层级结构，摘要实体链接回原始轨迹；构建阶段反复判断失败来自缺信息还是上下文过载，检索阶段用轻量 RL agent 选取最小但足够的上下文。ALFWorld、LoCoMo、LongMemEval 上，它在受限 context budget 下提高任务表现，长对话任务最多只用 baseline 22.17% token。它的看点是承认 temporal structure 和 causal dependency 对 agent 任务很关键，不能被普通 embedding 相似度一把抹平。