原題:MIRIX-2.0: Multi-Agent Memory System
長期記憶により、大規模言語モデルエージェントはパーソナライズ、一貫性の維持、成功経験の再利用が可能になるが、パラメータ化された記憶には学習が必要であり、統合プロセスでは詳細が永久に失われ、すべてを保持すると検索負荷が次第に重くなる。MIRIX-2.0 は、6種類のタイプ別記憶エージェントを用いて完全な記録を保存し、さらにプロベナンスハイパーグラフを用いてエピソード記憶と意味記憶にインデックスを構築する。各事実には出典行が参照される。検索は明確な予算内で行われ、質問に対して確認すべき証拠量は履歴の増加に伴って増えない。AutoDream は書き込みパス外で重複アンカーを統合し、いかなる記録も書き換えず、タスクセッションをスキルへと精錬する。著者によると、5つの質問応答ベンチマークのうち4つで最高精度を達成しており、LoCoMo 91.4%、LongMemEval-S 72.6%(最強ベースラインより 14.3 ポイント高い)を記録した。手続き記憶としては、ALFWorld と WebShop で平均成功率が最高となり、MetaClaw-Bench では 49.2%、MetaClaw 標準スキルライブラリでは 44.0% となった。
なぜ重要か 長期記憶によりエージェントはユーザーや過去の実行内容を記憶できる。毎回参照する証拠量は履歴の増加に伴って増えず、著者によると、多くの質問応答ベンチマークで最高精度を達成している
いいね 46 · コードスター数 3481
理由
- AutoDream を無効にした場合、著者によると、すべての5つの時間計測ベンチマークにおいて HyperMem よりも回答が速い
- クローズドソースモデルとオープンソースモデルの両方で利用可能で、ファインチューニングは不要。ツールのエラー、リトライ、最終的な修正方法をスキルとして精錬する
- グラフ記憶は Neo4j に保存され、各多元的事実にはエンティティの役割が注釈付けされ、元の記憶行が参照されるため、追跡が容易である
使い方
- コード:https://github.com/Mirix-AI/MIRIX(Apache-2.0,基于 Letta)
- docker compose up -d でバックエンドとパネルを起動し、パネル内で API キーを作成する。pip install mirix-client を実行した後、MirixClient を使用して会話を書き込み、記憶を検索する。グラフ記憶はデフォルトで無効であり、別途 Neo4j を起動し、MIRIX_ENABLE_GRAPH_MEMORY=true を設定する必要がある
リスク
- リポジトリは MIRIX 個人アシスタント全体のプロジェクトであり、README に個別の論文再現手順は記載されていない。グラフ記憶の評価設定は evals/GRAPH_MEMORY.md を参照
- 製品はスクリーンアクティビティを収集して記憶を生成するため、使用前にプライバシー設定を十分に確認すること。古いデータベースのアップグレードにはマイグレーションスクリプトを手動で実行する必要がある
- 成績は著者による報告値であり、本項目では実行検証は行われていない
開く · コード · 抱きしめたい論文ページ