# AgentMemRec يطبّق أساليب التوصية على ذاكرة الذكاء الاصطناعي

> تقترح ورقة بحثية اختيار الذكريات المخزنة لدى وكيل الذكاء الاصطناعي كما تُختار العناصر الموصى بها، وتُظهر دقة أعلى في اختبارين معياريين من دون استدعاء نماذج اللغة الكبيرة أثناء الاختيار.

Oossa · 2026-10-27 · https://oossa.com/ar/agentmemrec-applies-recommendation-methods-to-ai-memory

تقترح ورقة منشورة على arXiv نظام AgentMemRec، وهو أسلوب يتيح لوكلاء الذكاء الاصطناعي اختيار الذكريات المخزنة التي يستحضرونها ضمن نافذة سياق محدودة. يتعامل النظام مع كل طلب من المستخدم باعتباره استعلامًا للتوصية، ومع كل ذكرى بوصفها عنصرًا، ثم يستخدم أساليب الترتيب وبناء القوائم لاختيار الذكريات من دون استدعاء نموذج لغة كبير.

يفيد الباحثون بأن AgentMemRec تفوّق على عدة أنظمة للذاكرة بفارق يتراوح بين 10 و31 نقطة مئوية في الإجابة عن أسئلة متعددة الجلسات ضمن LongMemEval. كما حقق نتائج تضاهي أداة لإعادة الترتيب تعتمد على نموذج لغة كبير وتُجري 64 استدعاءً لكل استعلام، مع خفض تكلفة التشغيل إلى 3.2 مرات أقل. وتفوّق أيضًا على Mem0 وZep في LoCoMo من دون استدعاء نماذج اللغة الكبيرة عند تخزين الذكريات. وهذه نتائج أوردتها الورقة؛ ولا تتضمن المواد المقدمة معلومات عن تحقق مستقل منها.

## الحقائق

- تفيد الورقة بتحقيق مكاسب في الدقة تتراوح بين 10 و31 نقطة مئوية مقارنة بأنظمة أخرى في أسئلة الجلسات المتعددة ضمن LongMemEval.
- يختار AgentMemRec الذكريات من دون استدعاء نماذج اللغة الكبيرة؛ ويفيد الباحثون بأنه حقق نتائج تضاهي أداة لإعادة الترتيب تُجري 64 استدعاءً، مع تكلفة تشغيل أقل بـ3.2 مرات.

## لماذا يهم

قد تساعد هذه الطريقة الفرق التي تطوّر مساعدين يتذكرون المستخدمين بين الجلسات على خفض تكلفة اختيار الذكريات ذات الصلة، لكن نتائج الاختبارات المعيارية الواردة لا تثبت أداءها في المنتجات المستخدمة فعليًا.

## المصادر والمراجع

1. [Agent Memory as Recommendation: Recommender-System Design for Long-Term Memory of LLM Agents](https://arxiv.org/abs/2610.34673) – arXiv cs.IR, 2026-10-27

آخر تحديث: 2026-10-27