MESA: Selezione Adattiva di Evidenze Multi-Struttura per la Memoria di Agenti a Lungo Orizzonte

Un recente articolo su arXiv (2608.10108) presenta MESA, un approccio innovativo per la selezione adattiva di evidenze multi-struttura nella memoria di agenti a lungo orizzonte. Questi agenti generano traiettorie che coinvolgono numerosi passaggi di ragionamento, azione e osservazione, spesso richiedendo informazioni da eventi passati distanti per rispondere a query. La memoria esterna cattura queste traiettorie come rappresentazioni strutturate, ognuna delle quali offre una prospettiva unica ma parziale. Gli attuali sistemi multi-memoria o utilizzano un insieme statico di strutture per tutte le query, il che può portare a un contesto eccessivo e a rumore, oppure indirizzano ogni query a una singola struttura, limitando l'integrazione di diverse evidenze. La ricerca su AMA-Bench indica che la migliore configurazione di memoria è di solito una combinazione personalizzata di diverse memorie strutturali, adattata a query e compiti specifici. In risposta, gli autori propongono un metodo di selezione dinamica a livello di struttura, che comporta la scelta e la fusione di un sottoinsieme specifico per la query da una collezione di strutture di memoria specializzate. Questo articolo evidenzia una sfida significativa nella gestione della memoria dell'IA, cercando di migliorare sia l'efficienza che l'accuratezza attraverso la selezione dinamica delle strutture di memoria pertinenti per ogni query.