True Memory: Un'architettura basata sul recupero per la memoria degli agenti

Un recente studio pubblicato su arXiv introduce True Memory, un framework a sei strati progettato per la memoria degli agenti che enfatizza il recupero piuttosto che l'archiviazione. Questa architettura conserva accuratamente gli eventi nella loro forma originale e funziona su CPU standard con un singolo file SQLite, eliminando la necessità di database esterni, indici vettoriali, archivi grafici o GPU. Nelle valutazioni utilizzando il benchmark LoCoMo (1.540 domande da 10 conversazioni multi-sessione), True Memory Pro ha raggiunto un'impressionante accuratezza del 93,0% (media su 3 esecuzioni), superando Mem0 (61,4%), Supermemory (65,4%), Zep (~71%) ed EverMemOS (94,5%) con un modello di risposta gpt-4.1-mini abbinato. Ha inoltre ottenuto l'87,8% su LongMemEval (500 domande) e il 76,6% su BEAM-1M (700 domande alla scala di 1 milione di token), superando il precedente record di Hindsight del 73,9%. Gli autori sostengono che estrarre dati durante l'ingestione è un approccio inefficace per la memoria degli agenti, poiché qualsiasi contenuto scartato prima di una query non può essere recuperato successivamente.