В статье представлен MemStrata, система памяти поиска, предназначенная для устранения ошибок устаревших фактов в ИИ-агентах путем поддержания временной валидности в накопленных знаниях. В отличие от стандартного Retrieval-Augmented Generation (RAG), который испытывает трудности с различением дублированных и противоречащих фактов из-за сходства эмбеддингов, MemStrata использует детерминированное правило замещения для вывода устаревшей информации.
- MemStrata использует битемпоральную книгу учета с детерминированным правилом замещения (субъект, отношение, объект) для вывода устаревших значений без необходимости вызовов LLM или порогов сходства.
- На шести бенчмарках с моделью на 7B параметров MemStrata демонстрирует результаты на уровне RAG для статических знаний, достигая точности 0.95-1.00 для эволюционирующих знаний, по сравнению с 0.20-0.47 у RAG.
- Система снижает частоту ошибок устаревших фактов с 15-40% в RAG до примерно 0%, при этом задержка поиска составляет ~2.1 с против ~16-18 с для базовых методов LLM-reranking.
Этот подход позволяет агентам точно получать доступ к актуальной информации по мере эволюции знаний, устраняя структурное ограничение существующих систем RAG, где противоречащие факты часто извлекаются с высокой степенью сходства с их исходными формами.