Bir Bakışta
- Günümüz AI ajanları geçmiş etkileşimleri hatırlamaz. İlgili bilgilerin sürekli olarak sağlanması veya dış kaynaklardan alınması gerekir, bu da daha uzun ve daha karmaşık görevleri yerine getirirken daha az verimli hale gelir. Ajan yeteneklerini ölçeklendirmek için, zamanla bilgiyi saklama ve erişme konusunda daha verimli bir yola ihtiyacımız var.
- Memora, ne saklandığını (zengin bellek içeriği) nasıl alından (hafif soyutlamalar ve ipucu bağlantıları) ayırarak, uzun vadeli görevlerde ajan verimliliğini dramatik bir şekilde artıran ölçeklenebilir bir bellek sistemidir.
- Memora, LoCoMo ve LongMemEval'de yeni bir çığır açarak, Mem0, RAG ve tam bağlam çıkarımını geride bırakarak %98'e kadar daha az bağlam tokeni kullanmaktadır.
- Memora makalesi (yeni sekmede açılır) ICML 2026'da yayımlandı. Memora kodu https://github.com/microsoft/Memora (yeni sekmede açılır) adresinde mevcuttur.
Bir iş yerinde AI asistanının size çok aylık bir projeyi yürütmenize yardımcı olduğunu hayal edin. Haftalar süren konuşmalar boyunca, kısıtlamaları paylaşırsınız, kilometre taşları üzerinde anlaşır, son tarihleri gözden geçirir ve birçok paydaş tercihini ortaya çıkarırsınız. Daha sonra bir meslektaşınıza bir güncelleme taslağı hazırlamasını istediğinizde, sadece en son kararı değil, oraya nasıl geldiğinizi de hatırlamalıdır: ne denendi, ne dışlandı, kim katkıda bulundu. Günümüz AI ajanları bununla mücadele ediyor. Modern büyük dil modelleri (LLM'ler) güçlü akıl yürütücülerdir, ancak etkili bir şekilde durumsuzdur: her oturum sıfırdan başlar, her uzun konuşma modelin tüm geçmişini yeniden okumasını zorunlu kılar ve her yeni bilgi ya ham metin olarak saklanır (parçalı ve gürültülü) ya da belirsiz bir özet haline sıkıştırılır (kesin detaylar kaybolur). AI asistanları ve otonom ajanlar, projeyi birçok ay boyunca takip eden yardımcı pilotlar veya uzun vadeli kullanım ile alan uzmanlığı geliştiren araştırma ajanları gibi uzun vadeli dağıtımlara geçtikçe, ilkel bir bellek sisteminin yokluğu kritik bir darboğaz haline gelmiştir.
Bu boşluğu doldurmaya yönelik artan bir çalışma hattı başlamıştır. Mem0 gibi sistemler, konuşmalardan atomik gerçekleri çıkarır; geri alma artırılmış (RAG) yaklaşımlar, daha sonraki hatırlama için ham metin parçalarını dizinler; Zep ve GraphRAG gibi grafik tabanlı bellek sistemleri, varlık ilişkileri aracılığıyla yapı ekler. Her biri gerçek bir ilerlemeyi temsil eder, ancak her biri aynı duvara çarpar: mevcut tasarımlar, ayrıntıların korunması (ince ayrıntıları koruma) ve soyutlama (belleği büyüdükçe verimli bir şekilde organize etme) arasında kaçınıl
