Microsoft Research présente Memora, un framework de mémoire agentique évolutif conçu pour équilibrer abstraction et spécificité pour les tâches d'IA à long terme. Le système découple le contenu riche de la mémoire des structures de récupération légères, établissant de nouveaux résultats state-of-the-art sur les benchmarks tout en utilisant jusqu'à 98 % moins de tokens de contexte.
- Memora découple ce qui est stocké (contenu riche de la mémoire) de la manière dont il est récupéré (abstractions légères et ancres d'indice).
- Chaque entrée de mémoire se compose d'une abstraction principale (6 à 8 mots) pour la recherche par embedding et d'une valeur de mémoire contenant les détails complets.
- Les ancres d'indice fournissent des tags flexibles et sensibles au contexte comme chemins d'accès alternatifs aux mémoires sans ontologies rigides.
- Le système surpasse Mem0, RAG et l'inférence en contexte complet sur les benchmarks LoCoMo et LongMemEval.
Cette approche résout le compromis entre la préservation des détails fins et l'organisation efficace de la mémoire, permettant aux agents de naviguer dans leur historique sans relire l'intégralité des conversations.