HAGE: Memoria Multi-Relazionale Pesata per Agenti LLM

Una recente pubblicazione su arXiv (2605.09942) presenta HAGE, un framework progettato per sistemi agentici basati su grandi modelli linguistici (LLM) che utilizza un approccio di memoria multi-relazionale pesata. A differenza delle tecniche di recupero convenzionali come le ricerche vettoriali piatte o i grafi binari statici, HAGE struttura la memoria come rappresentazioni grafiche specifiche per relazione su nodi comuni, dove ogni arco è associato a un vettore di caratteristiche addestrabile che cattura vari segnali relazionali. Quando viene effettuata una query, un classificatore basato su LLM determina l'intento relazionale, mentre una rete di routing regola le dimensioni degli embedding degli archi. I punteggi di attraversamento combinano la similarità semantica con le caratteristiche relazionali apprese, facilitando la navigazione sequenziale condizionata dalla query attraverso un grafo di memoria relazionale coeso.