我们提出PeTra，一种基于记忆增强的神经网络，旨在其记忆单元中追踪实体。PeTra利用GAP代词消解数据集中的稀疏标注进行训练，在该任务上表现优于以往的记忆模型，同时采用更为简洁的网络架构。我们通过实证比较了关键建模选择，发现可以在保持优异性能的前提下，对记忆模块的设计进行多方面的简化。为评估记忆模型在人物追踪方面的能力，我们（a）提出一种新的诊断性评估方法，通过统计文本中唯一实体的数量来衡量追踪效果；（b）开展小规模人工评估，对比PeTra的记忆日志与先前方法在人物追踪证据上的表现。实验结果表明，PeTra在两项评估中均表现出色，证明其即使在有限标注数据的条件下训练，仍具备高效追踪人物实体的能力。