Uma nova arquitetura de memória emprega embeddings hiperbólicos para organizar entradas de banco de dados vetorial por uma "pontuação de abstração", permitindo que agentes gerenciem o conhecimento de forma mais eficaz do que os sistemas RAG planos. Essa abordagem estrutura os dados de modo que entradas abstratas, como preferências, fiquem próximas ao centro, enquanto eventos concretos residem na fronteira, facilitando melhor agrupamento e recuperação.
- As entradas recebem uma pontuação de abstração que influencia o agrupamento baseado em densidade do HDBSCAN, visualizado como "deformação" gravitacional no espaço de Poincaré.
- Entradas abstratas têm maior entropia e pertencem a múltiplos clusters, aparecendo frequentemente nas recuperações junto com detalhes concretos.
- O sistema retorna "Cenas Espectrais", que são clusters contendo uma mistura equilibrada de entradas abstratas, intermediárias e concretas centradas em um tema.
- Um agente processa essas cenas para excluir, consolidar ou abstrair entradas, preservando a estrutura hierárquica ao longo do tempo.
Esse método ajuda os agentes a integrar novas informações na memória existente, fornecendo contexto extenso por meio das Cenas Espectrais, indo além dos grafos de conhecimento de granulação grosseira.