Memora: Representasi Memori Harmonik yang Menyeimbangkan Abstraksi dan Spesifisitas
Microsoft
Microsoft Research memperkenalkan Memora, sistem memori agen yang memisahkan konten memori yang kaya dari abstraksi pengambilan yang ringan, mencapai kinerja terdepan pada tolok ukur konteks panjang sambil menggunakan hingga 98% lebih sedikit token. Sistem ini menggunakan abstraksi primer dan jangkar isyarat untuk menyeimbangkan detail dan efisiensi, memungkinkan agen kecerdasan buatan untuk mempertahankan kolaborasi jangka panjang.
Microsoft Research telah memperkenalkan Memora, sebuah sistem memori yang dapat diskalakan yang dirancang untuk mengatasi sifat tanpa keadaan (stateless) dari agen AI saat ini. Memora memisahkan apa yang disimpan (konten memori yang kaya) dari bagaimana cara mengambilnya (abstraksi utama yang ringan dan jangkar isyarat), menyelesaikan tradeoff antara spesifisitas dan abstraksi. Sistem ini mencapai hasil terbaru yang mutakhir pada tolok ukur LoCoMo dan LongMemEval, mengungguli Mem0, RAG, dan inferensi konteks penuh sambil menggunakan hingga 98% lebih sedikit token. Sistem ini dipublikasikan di ICML 2026 dan kodenya tersedia di GitHub. Desain Memora memungkinkan agen untuk mempertahankan kolaborasi jangka panjang dengan memelihara memori yang terperinci dan dapat diakses di seluruh sesi.
Sumber: Microsoft Research —
asli