Đang tải bảng tin…
Medium00 bình luận7 phút đọc
Why Agent Memory Should Store Facts, Not Conversations
AtomMem, a paper from USTC, argues that LLM agent memory systems fail because they store at the wrong granularity — conversation turns instead of atomic facts. By decomposing turns into the smallest self-contained statements, organizing them in a hierarchy, and connecting them via an associative graph, the system achieves state-of-the-art on the LoCoMo benchmark with a 61.4% reduction in API token consumption. The core design principle: memory granularity should match query granularity, not input granularity. The post also honestly addresses open questions around extraction reliability (LLMs in the write path can hallucinate durable falsehoods) and graph coherence at very long horizons, and offers practical guidance on when the approach is and isn't a net win.
Nguồn: https://medium.com/@penquestr/why-agent-memory-should-store-facts-not-conversations-46748bfe7be1. 8sync News chỉ tóm tắt và dẫn link; bản quyền nội dung thuộc tác giả và nguồn gốc.
Đề xuất cho bạn
Weaviate18 phútAI
Weaviate 1.38 Release
Weaviate 1.38 ra mắt với các tính năng mới như HFresh (chỉ số vector dựa trên đĩa, tối ưu bộ nhớ cho streaming) và MCP Server tích hợp cho phép LLMs tương tác trực tiếp. Bản cập nhật cũng bổ sung async replication mặc định, Boost API (tái xếp hạng truy vấn), nested object filtering, cùng nhiều cải tiến khác như quản lý replica, cấu hình chỉ số vector, và module text2vec-digitalocean.
Lập trình viên phát triển ứng dụng AI hoặc hệ thống vector search cần đọc để cập nhật về MCP Server và Boost API, giúp tối ưu hóa giao tiếp trực tiếp giữa LLM với cơ sở dữ liệu vector và cải thiện hiệu suất tìm kiếm bằng cách xếp hạng kết quả một cách linh hoạt mà không mất bất kỳ dữ liệu nào.
