Новая структура памяти для ИИ-агентов использует 118K токенов на запрос

Исследователи из Национального университета Сингапура разработали MRAgent — фреймворк, улучшающий управление памятью ИИ-агентов в задачах долгосрочного рассуждения. Отказавшись от статического подхода «извлеки и рассуждай», система позволяет агенту динамически формировать память, накапливая доказательства шаг за шагом. Используя механизм «Сигнал-Тег-Содержание», MRAgent значительно снижает потребление токенов и вычислительные затраты по сравнению с другими подходами к управлению памятью агентов. Например, когда пользователь спрашивает: «Как Нейт использовал призовые деньги, выиграв свой третий турнир по видеоиграм?», агент извлекает начальные сигналы, отсеивает нерелевантные теги и получает только нужные воспоминания, избегая загрязнения контекстного окна. Такая активная реконструкция памяти превосходит пассивные методы извлечения на эталонных тестах LoCoMo и LongMemEval.