Memora : une représentation de mémoire harmonique équilibrant abstraction et spécificité
Microsoft
Microsoft Research présente Memora, un système de mémoire agentique qui dissocie le contenu mémoriel riche des abstractions de récupération légères, atteignant des performances de pointe sur les benchmarks de longs contextes tout en utilisant jusqu'à 98 % de tokens en moins. Le système utilise des abstractions primaires et des ancres indicielles pour équilibrer détail et efficacité, permettant aux agents d'IA de soutenir une collaboration à long terme.
Microsoft Research a dévoilé Memora, un système mémoire scalable conçu pour surmonter la nature sans état des agents IA actuels. Memora dissocie ce qui est stocké (contenu mémoire riche) de la manière dont il est récupéré (abstractions primaires légères et ancres de repérage), résolvant ainsi le compromis entre spécificité et abstraction. Il atteint des résultats de pointe sur les benchmarks LoCoMo et LongMemEval, surpassant Mem0, RAG et l'inférence en contexte complet tout en utilisant jusqu'à 98 % de tokens en moins. Le système a été publié à l'ICML 2026 et son code est disponible sur GitHub. La conception de Memora permet aux agents de maintenir une collaboration à long terme en conservant des mémoires détaillées et accessibles à travers les sessions.
Source: Microsoft Research —
original