Mem0发布长效记忆架构研究:准确率领先OpenAI26%,推理延迟降低91%

robot
摘要生成中
ME News 消息,4 月 17 日(UTC+8),据 动察 Beating 监测,个性化 AI 记忆平台 Mem0 近期公开了其核心长效记忆算法的研究成果。实验数据显示,在 LOCOMO 基准测试中,Mem0 的响应准确率比 OpenAI 的内置记忆功能高出 26%,同时由于其「事实化」的检索机制,其 P95 推理延迟降低了 91%,Token 消耗量缩减了 90%。 该算法解决的核心问题是 AI 代理在长周期交互中的「健忘」现象。与单纯扩大 LLM 上下文窗口的暴力路径不同,Mem0 采用了一种两阶段处理管线:在「提取阶段」,系统会从最新对话、滚动摘要和历史记录中提取关键事实;在「更新阶段」,系统通过向量数据库进行比对,执行新增、更新、删除冲突或忽略等操作,确保记忆库的精简与一致。 研究还介绍了一种增强型变体 Mem0ᵍ。该版本引入了图数据库结构,将提取的事实转化为带标签的节点与边,从而捕获多会话间的复杂实体关系。在实际生产环境中,Mem0 能在 0.71 秒内完成从记忆检索到回答生成的全流程,而传统的「全上下文」方法则需要近 10 秒。目前,该研究已被欧洲人工智能会议(ECAI)接收,相关代码已在 GitHub 开源。 (来源:BlockBeats)
此页面可能包含第三方内容,仅供参考(非陈述/保证),不应被视为 Gate 认可其观点表述,也不得被视为财务或专业建议。详见声明
  • 赞赏
  • 7
  • 8
  • 分享
评论
请输入评论内容
请输入评论内容
夜航薄荷
· 2小时前
两阶段提取关键事实,第一阶段会不会丢信息
回复0
ApeWithNotes
· 2小时前
从健忘到长效记忆,这痛点抓得准
回复0
BorrowingBuddy
· 2小时前
P95延迟降91%,长尾优化比平均延迟更难做
回复0
GateUser-f78f1f3e
· 2小时前
记忆检索0.71秒,生产环境能扛住高并发吗
回复0
薄荷冷萃
· 2小时前
跨会话实体关系用图数据库,这个增强方向很聪明
回复0
夜航纸鹤
· 2小时前
OpenAI内置记忆确实鸡肋,终于有人正经做了
回复0
GateUser-4bd1cc87
· 2小时前
LOCOMO基准比OpenAI高26%,具体测试场景是啥
回复0