Uno studio pubblicato su arXiv propone AgentMemRec, un metodo che permette agli agenti IA di scegliere quali ricordi memorizzati inserire in una finestra di contesto limitata. Il sistema tratta ogni richiesta dell’utente come una query di raccomandazione e ogni ricordo come un elemento da consigliare, quindi usa tecniche di ordinamento e composizione di liste per selezionare i ricordi senza chiamare un LLM.
Gli autori riferiscono che, nelle domande su più sessioni del benchmark LongMemEval, AgentMemRec ha superato diversi sistemi di memoria con un vantaggio compreso tra 10 e 31 punti percentuali. Ha eguagliato un sistema di riordinamento basato su un LLM che effettua 64 chiamate per query, ma con un costo di esecuzione 3,2 volte inferiore. Ha inoltre superato Mem0 e Zep nel benchmark LoCoMo, senza chiamate a LLM durante la memorizzazione dei ricordi. Si tratta di risultati riportati nello studio; il materiale fornito non descrive verifiche indipendenti.
Perché conta
Per i team che sviluppano assistenti capaci di ricordare gli utenti da una sessione all’altra, il metodo potrebbe ridurre il costo della selezione dei ricordi pertinenti. I risultati riportati nei benchmark, però, non dimostrano come si comporti nei prodotti effettivamente in uso.
