本期将分享近期全球知识图谱相关
行业动态、近期会议、论文推荐
Neo4j Aura Agent正式上线
2月3日，图数据库巨头Neo4j宣布其智能体构建平台 Neo4j Aura Agent 正式全面上线。该服务能与Neo4j的云数据库AuraDB深度集成，允许用户基于知识图谱的语义模式，在几分钟内自动构建、测试和部署由大模型驱动的AI智能体。它通过“图驱动的检索增强生成”技术，旨在解决企业智能体在运行时对数据模型理解困难、工具调用不准确以及构建测试周期长等问题。
https://t.hk.uy/cbgQ
Apache HugeGraph项目
Apache软件基金会宣布，一体化图平台HugeGraph正式从孵化器毕业，成为顶级项目。该项目是一个集图数据库、计算引擎与AI能力于一身的全栈平台，支持海量数据存储、实时查询与离线分析，可处理数千亿图元素并实现毫秒级延迟。HugeGraph已在大数据生态中与Flink、Spark等深度集成，并在安全、社交网络等领域得到验证。在LLM时代，它通过提供图RAG能力，成为提升模型准确性、可解释性和构建上下文记忆的关键基础设施，致力于为全球开发者搭建数据与智能之间的桥梁。
https://t.hk.uy/cbgR
EDBT/ICDT 2026
第29届EDBT（29th International Conference on Extending Database Technology）与第29届ICDT（29th International Conference on Database Theory）将于2026年3月24日至27日在芬兰坦佩雷联合举办。
EDBT系列会议是数据管理领域的国际论坛，专注于前沿技术研究与实践应用，此前已在威尼斯、维也纳、剑桥等欧洲多地成功举办；ICDT则聚焦数据库理论基础，自2009年起与EDBT联合举办，效仿SIGMOD/PODS的成功模式，为理论研究与工程技术搭建了桥梁。两场会议同期同地举办，为全球研究人员、开发者及从业者提供了探讨新思想、新技术、新工具的独特平台。
https://edbticdt2026.github.io/
TeleMem
本周推荐的是arxiv 2026.01上的论文：TeleMem: Building Long-Term and Multimodal Memory for Agentic AI
问题陈述与背景
大型语言模型（LLMs）在自然语言处理方面展现出卓越的能力，但在作为交互式智能体部署到现实场景时，它们面临着根本性的局限。有限的上下文窗口约束严重限制了它们维持连贯、长期交互的能力，导致在持续对话和多会话互动中性能下降。虽然检索增强生成（RAG）系统已作为一种通过将信息存储在外部数据库中来扩展记忆容量的解决方案出现，但它们的问题在于将记忆视为孤立的片段，缺乏时间组织或因果关系。
TELEMEM 通过引入一个专门为智能体AI应用设计的统一记忆系统来解决这些局限性。该系统将记忆组织为结构化的、可演化的语义轨迹，而不是不连贯的片段，从而在扩展交互中实现更连贯的推理。这种方法对于工业应用尤其重要，因为AI智能体必须在最小化计算成本和操作复杂性的同时保持一致的性能。
记忆图架构
TELEMEM 的核心创新在于将长期记忆形式化为有向无环图（DAG）结构，其中记忆被组织为相互连接的语义状态，而非孤立的条目。
记忆图 G = (V, E) 由表示稳定语义记忆状态的节点 V 和编码这些状态之间因果依赖关系的有向边 E 组成。每个节点 v_i 都作为一个统一的容器，用于存储不同类型的知识：
• 档案状态（Profile States）：维护稳定的用户和机器人属性，以实现一致的人格管理
• 事件状态（Event States）：捕捉来自对话或多模态内容的动态交互语义
• 实体和对象状态（Entity and Object States）：表示持久的多模态实体及其时间演化
每个节点存储整合的语义内容、用于基于相似性检索的嵌入向量，以及指示语义信息何时生效的有效时间戳 τ(v_i)。有向边遵循严格的时间约束，即对于任何边 p → v_i，都有 τ(p) < τ(v_i)，确保图保持无环且时间上一致。
为了保持可解释性和效率，系统采用传递归约过程，创建一个最小的因果骨架。只有当从 p 到 v_i 不存在通过其他节点的替代有向路径时，边 (p → v_i) 才会被保留，从而确保记忆线索表示不可约的依赖关系，而没有冗余连接。
论文、讨论和资源链接：https://www.alphaxiv.org/abs/2601.06037，感兴趣的读者可以关注。
更多链接
内容：袁知秋、程湘婷、王图图
诚邀您加入我们的gStore社区，我们将在群内解决使用问题，分享最新成果~
请在微信公众号图谱学苑发送“社区”入群~
微信社区群：请回复“社区”获取
