StructMem: Memoria Strutturata per Comportamenti a Lungo Termine nei LLM

È stato introdotto un nuovo modello di memoria gerarchica chiamato StructMem per migliorare gli agenti conversazionali a lungo termine. Questo framework si concentra sulle connessioni tra eventi piuttosto che su semplici fatti isolati, facilitando il ragionamento temporale e la risposta a domande multi-hop. I metodi esistenti incontrano un dilemma: la memoria piatta è efficiente ma manca di modellazione relazionale, mentre la memoria basata su grafi supporta il ragionamento strutturato ma è costosa e fragile. StructMem mantiene i legami a livello di evento e stabilisce collegamenti tra eventi ancorando temporalmente due punti di vista e conducendo una regolare consolidazione semantica. Dimostra un miglioramento nel ragionamento temporale e nelle capacità multi-hop sul benchmark LoCoMo, riducendo al contempo l'uso di token, le chiamate API e il tempo di esecuzione rispetto ai precedenti sistemi di memoria. La ricerca è disponibile su arXiv.