माइक्रोसॉफ्ट रिसर्च मेमोरा का परिचय देता है, एक स्केलेबल एजेंटिक मेमोरी फ्रेमवर्क जिसे लॉंग-होरिज़न AI टास्क के लिए एब्सट्रैक्शन और स्पेसिफिसिटी को संतुलित करने के लिए डिज़ाइन किया गया है। सिस्टम समृद्ध मेमोरी सामग्री को लाइटवेट रिट्रीवल स्ट्रक्चर्स से अलग करता है, जो बेंचमार्क्स पर नए स्टेट-ऑफ़-द-आर्ट परिणाम स्थापित करते हुए 98% तक कम कॉन्टेक्स्ट टोकन का उपयोग करता है।
- मेमोरा यह निर्धारित करता है कि क्या स्टोर किया जाता है (समृद्ध मेमोरी सामग्री) और इसे कैसे रिट्रीव किया जाता है (लाइटवेट एब्सट्रैक्शन और क्यू एंकर)।
- प्रत्येक मेमोरी एंट्री में एम्बेडिंग-आधारित खोज के लिए एक प्राथमिक एब्सट्रैक्शन (6–8 शब्द) और पूर्ण विवरण रखने वाली एक मेमोरी वैल्यू शामिल होती है।
- क्यू एंकर कठोर ऑन्टोलॉजी के बिना मेमोरी तक पहुंचने के लिए वैकल्पिक एक्सेस पथ के रूप में लचीले, कॉन्टेक्स्ट-अवेयर टैग प्रदान करते हैं।
- सिस्टम LoCoMo और LongMemEval बेंचमार्क्स पर Mem0, RAG, और फुल-कॉन्टेक्स्ट इन्फरेंस से बेहतर प्रदर्शन करता है।
यह दृष्टिकोण बारीक विवरण को बनाए रखने और मेमोरी को कुशलता से संगठित करने के बीच के ट्रेड-ऑफ को हल करता है, जिससे एजेंट्स अपनी इतिहास का नेविगेशन पूरे संवादों को फिर से पढ़े बिना कर सकते हैं।