HyMem: Architettura di Memoria Ibrida per Agenti LLM

I ricercatori propongono HyMem, un'architettura di memoria ibrida per agenti basati su grandi modelli linguistici (LLM) che affronta le inefficienze nei dialoghi estesi. I metodi esistenti presentano un compromesso tra efficienza ed efficacia: la compressione perde dettagli critici, mentre la conservazione del testo grezzo aggiunge overhead. HyMem consente una pianificazione dinamica su richiesta attraverso rappresentazioni di memoria a granularità multipla, ispirate all'economia cognitiva. Adotta uno schema di archiviazione a doppia granularità con un meccanismo di recupero dinamico a due livelli. L'articolo è disponibile su arXiv con identificatore 2602.13933.