Equipe da Academia Chinesa de Ciências propõe HyperMem, avanço na memória de IA para diálogos longos

Notícia da ME, 11 de abril (UTC+8): A equipe de pesquisa do Instituto de Engenharia de Informação da Academia Chinesa de Ciências apresentou um artigo na conferência principal da ACL 2026, propondo a arquitetura de memória hipergrafo HyperMem para diálogos de longa duração, que atingiu uma precisão de avaliação de 92,73% no benchmark LoCoMo, superando o estado da arte atual. As abordagens atuais de RAG e memória baseada em grafos dependem principalmente de relações em pares, dificultando a captura de associações de alta ordem entre múltiplos elementos, resultando em recuperação de conteúdo fragmentado. O HyperMem introduz uma estrutura de hipergrafo, dividindo a memória do diálogo em três níveis: tópico, fragmento e fato, e utilizando hiperarestas para agrupar unificadamente fragmentos e fatos relacionados, combinados com um índice híbrido léxico-semântico e uma estratégia de recuperação de grosso a fino, permitindo uma recuperação precisa e eficiente de associações de alta ordem. Os resultados experimentais mostram que, no benchmark LoCoMo, o HyperMem alcançou 92,73% de precisão na avaliação com LLM-as-a-judge, alcançando o estado da arte atual (SOTA), validando sua eficácia na manutenção da coerência contextual e na modelagem personalizada em diálogos prolongados. Este estudo oferece uma nova abordagem para agentes de diálogo manterem continuidade contextual, rastrearem tarefas contínuas e fornecerem serviços personalizados durante interações de longo prazo. O artigo já foi publicado no arXiv (número 2604.08256). (Fonte: BlockBeats)