ИССЛЕДОВАНИЕ · RESEARCH · #2177
QEMem: переосмысление памяти агентов LLM как формирование наборов доказательств под запрос
В статье (arXiv:2610.22668v1) выявляется разрыв между релевантностью и достаточностью воспоминаний у агентов LLM и предлагается QEMem — подход, формирующий наборы доказательств, специфичные для запроса, на основе существующих хранилищ памяти. QEMem объединяет поиск, управляемый запросом, организацию источников в структурированные ViewCards и донабор недостающей информации, показывая 91.43% по LLM-оценке на LoCoMo с Claude Opus 4.5 и превосходя MemR^3 и NEMORI при общем хранилище памяти.
КЛЮЧЕВЫЕ ТЕЗИСЫ
- В статье (arXiv:2610.22668v1) выявляется разрыв между релевантностью и достаточностью воспоминаний у агентов LLM и предлагается QEMem — подход, формирующий наборы доказательств, специфичные для запроса, на основе существующих хранилищ памяти.
- QEMem объединяет поиск, управляемый запросом, организацию источников в структурированные ViewCards и донабор недостающей информации, показывая 91.43% по LLM-оценке на LoCoMo с Claude Opus 4.5 и превосходя MemR^3 и NEMORI при общем хранилище памяти.
- Устранение разрыва между релевантностью и достаточностью позволяет агентам объединять фрагментарные или абстрагированные записи прошлого в связные доказательства, повышая точность вывода и поиска.
ПОЧЕМУ ЭТО ВАЖНО
Устранение разрыва между релевантностью и достаточностью позволяет агентам объединять фрагментарные или абстрагированные записи прошлого в связные доказательства, повышая точность вывода и поиска.