El artículo presenta MemStrata, un sistema de memoria de recuperación diseñado para eliminar errores de hechos obsoletos en agentes de IA manteniendo la validez temporal dentro del conocimiento acumulado. A diferencia de la Generación Aumentada por Recuperación (RAG) estándar, que tiene dificultades para distinguir entre hechos duplicados y contradichos debido a la similitud de incrustaciones, MemStrata utiliza una regla determinista de suplantación para retirar información desactualizada.
- MemStrata emplea un libro mayor bi-temporal con una regla de suplantación determinista (sujeto, relación, objeto) para retirar valores obsoletos sin requerir llamadas a LLM ni umbrales de similitud.
- En seis benchmarks utilizando un modelo de 7B, MemStrata empató con RAG en conocimiento estático mientras lograba una precisión de 0.95-1.00 en conocimiento evolutivo, en comparación con la precisión de 0.20-0.47 de RAG.
- El sistema reduce la tasa de error de hechos obsoletos del 15-40% en RAG a aproximadamente 0%, con una latencia de recuperación de ~2.1s frente a ~16-18s para las líneas base de reordenamiento por LLM.
Este enfoque permite a los agentes acceder con precisión a la información actual a medida que el conocimiento evoluciona, abordando una limitación estructural en los sistemas RAG existentes donde los hechos contradichos suelen recuperarse con alta similitud a sus formas originales.