Алгоритм долгосрочной памяти Mem0 превосходит OpenAI по точности на 26%

Согласно новости ME, 17 апреля (UTC+8), по данным мониторинга Beating, персонализированная платформа AI-памяти Mem0 недавно опубликовала результаты исследования своей ключевой долгосрочной алгоритмической системы памяти. Экспериментальные данные показывают, что в тестовом наборе LOCOMO точность ответов Mem0 на 26% выше, чем у встроенной функции памяти OpenAI, а благодаря своей «фактической» механизме извлечения P95 задержка вывода снижена на 91%, а потребление токенов сокращено на 90%. Основная проблема, которую решает этот алгоритм — «забывчивость» AI-агентов в ходе длительных взаимодействий. В отличие от простого увеличения окна контекста LLM, Mem0 использует двухэтапную обработку: на этапе «извлечения» система извлекает ключевые факты из последнего диалога, сводок и истории; на этапе «обновления» система сравнивает данные через векторную базу данных, выполняя операции добавления, обновления, удаления конфликтов или игнорирования, обеспечивая компактность и согласованность базы памяти. Исследование также представляет улучшенную версию Mem0ᵍ, которая внедряет структуру графовой базы данных, преобразуя извлеченные факты в помеченные узлы и рёбра, что позволяет захватывать сложные отношения между сущностями в нескольких сессиях. В реальных производственных условиях Mem0 завершает полный цикл — от извлечения памяти до генерации ответа — за 0,71 секунды, тогда как традиционный метод «полного контекста» требует около 10 секунд. В настоящее время исследование принято на Европейской конференции по искусственному интеллекту (ECAI), а соответствующий код уже опубликован на GitHub. (Источник: BlockBeats)