Memora: Eine harmonische Gedächtnisrepräsentation im Gleichgewicht zwischen Abstraktion und Spezifität
Microsoft
Microsoft Research stellt Memora vor, ein agentisches Gedächtnissystem, das reichhaltige Gedächtnisinhalte von leichtgewichtigen Retrieval-Abstraktionen entkoppelt und damit eine Spitzenleistung bei Langzeitkontext-Benchmarks erzielt, bei gleichzeitigem Einsatz von bis zu 98 % weniger Tokens. Das System nutzt primäre Abstraktionen und Cue-Anker, um Detailgenauigkeit und Effizienz auszugleichen, sodass KI-Agenten eine langfristige Zusammenarbeit aufrechterhalten können.
Microsoft Research hat Memora vorgestellt, ein skalierbares Speichersystem, das die Zustandslosigkeit aktueller KI-Agenten überwinden soll. Memora entkoppelt, was gespeichert wird (reiche Speicherinhalte), von der Art und Weise, wie darauf zugegriffen wird (leichtgewichtige primäre Abstraktionen und Hinweisanker), und löst damit den Zielkonflikt zwischen Spezifität und Abstraktion. Es erzielt neue Spitzenwerte auf den LoCoMo- und LongMemEval-Benchmarks und übertrifft Mem0, RAG sowie die Inferenz mit vollständigem Kontext, während es bis zu 98 % weniger Tokens verwendet. Das System wurde auf der ICML 2026 veröffentlicht, und der Code ist auf GitHub verfügbar. Das Design von Memora ermöglicht es Agenten, langfristige Zusammenarbeit aufrechtzuerhalten, indem detaillierte, zugängliche Erinnerungen über mehrere Sitzungen hinweg bewahrt werden.
Quelle: Microsoft Research —
Original