Microsoft Researchは、長期のAIタスクにおいて抽象化と具体性のバランスを取るために設計されたスケーラブルなエージェント型メモリフレームワークであるMemoraを発表しました。このシステムは、豊富なメモリコンテンツを軽量な検索構造から分離し、ベンチマークで新たな最先端の結果を達成しながら、コンテキストトークンを最大98%削減します。

  • Memoraは、保存されるもの（豊富なメモリコンテンツ）と検索方法（軽量な抽象化とキューアンカー）を分離しています。
  • 各メモリエントリは、埋め込みベースの検索用の主要な抽象化（6〜8語）と、完全な詳細を含むメモリ値で構成されます。
  • キューアンカーは、硬直したオントロジーなしでメモリへの代替アクセスパスとして機能する柔軟な文脈対応タグを提供します。
  • このシステムは、LoCoMoおよびLongMemEvalベンチマークにおいてMem0、RAG、フルコンテキスト推論を上回ります。

このアプローチは、細粒度の詳細の保持とメモリの効率的な整理の間のトレードオフを解決し、エージェントが会話をすべて読み直すことなく履歴をナビゲートできるようにします。