Um artigo publicado no arXiv propõe o AgentMemRec, um método para agentes de IA escolherem quais memórias armazenadas incluir em uma janela de contexto limitada. Ele trata cada solicitação do usuário como uma consulta de recomendação e cada memória como um item; em seguida, usa métodos de classificação e montagem de listas para selecionar memórias sem chamar um LLM.
Os autores relatam que o AgentMemRec superou vários sistemas de memória por 10 a 31 pontos percentuais em perguntas sobre várias sessões no LongMemEval. O método igualou o desempenho de um reranqueador com LLM que faz 64 chamadas por consulta, mas com custo de operação 3.2 vezes menor. Também superou o Mem0 e o Zep no LoCoMo, sem chamadas a LLM durante o armazenamento das memórias. Esses resultados são os relatados no artigo; o material fornecido não descreve uma validação independente.
Por que importa
Para equipes que desenvolvem assistentes capazes de lembrar dos usuários entre sessões, o método pode reduzir o custo de selecionar memórias relevantes. Os resultados relatados nos benchmarks, porém, não demonstram como ele se comporta em produtos em uso.
