Memora: Una Representación Armónica de la Memoria que Equilibra Abstracción y Especificidad
Microsoft
Microsoft Research presenta Memora, un sistema de memoria agéntico que separa el contenido rico de la memoria de las abstracciones ligeras de recuperación, logrando un rendimiento de última generación en benchmarks de contexto largo mientras utiliza hasta un 98% menos de tokens. El sistema emplea abstracciones primarias y anclajes de señales para equilibrar detalle y eficiencia, permitiendo a los agentes de inteligencia artificial mantener una colaboración a largo plazo.
Microsoft Research ha presentado Memora, un sistema de memoria escalable diseñado para superar la naturaleza sin estado de los agentes de inteligencia artificial actuales. Memora desacopla lo que se almacena (contenido de memoria enriquecido) de cómo se recupera (abstracciones primarias ligeras y anclajes de referencia), resolviendo la compensación entre especificidad y abstracción. Logra resultados de última generación en los puntos de referencia LoCoMo y LongMemEval, superando a Mem0, RAG y la inferencia de contexto completo, mientras utiliza hasta un 98% menos de tokens. El sistema se publicó en la Conferencia Internacional sobre Aprendizaje Automático (ICML) de 2026 y su código está disponible en GitHub. El diseño de Memora permite a los agentes mantener una colaboración a largo plazo al conservar recuerdos detallados y accesibles a lo largo de las sesiones.
Fuente: Microsoft Research —
original