Проблема: релевантность ≠ достаточность
Долгосрочная память позволяет LLM-агентам использовать прошлый опыт, но простое извлечение «релевантных» фрагментов часто не дает ответа. Ключевая информация может быть раздроблена по разным записям, скрыта за абстракциями или не связана с текущим запросом. Авторы выявили этот разрыв между релевантностью и достаточностью доказательств (relevance-sufficiency gap).
Решение: QEMem и ViewCards
Фреймворк QEMem переосмысливает использование памяти как сборку набора доказательств, специфичных для запроса. Он работает поверх существующих хранилищ без изменения процесса формирования памяти и включает три механизма:
- Query-guided discovery: поиск доказательств на разных уровнях детализации.
- Source-grounded reification: организация данных в структурированные ViewCards с явными ролями доказательств и ссылками на источники.
- Sufficiency-guided refinement: выборочное восстановление недостающей информации.
Результаты: обгон базовых моделей
Тестирование проводилось на датасете LoCoMo с использованием Claude Opus 4.5. QEMem показал выдающиеся результаты, значительно превысив сильные базовые модели MemR³ и NEMORI.
| Метрика / Модель | Результат (LLM-judge accuracy) | Примечание |
|---|---|---|
| QEMem (Claude Opus 4.5) | 91.43% | Основной результат |
| MemR³ (сильнейший baseline) | 83.83% | Отставание на 7.6 п.п. |
| NEMORI | 80.73% | Отставание на 10.7 п.п. |
Значение для индустрии
Дополнительный анализ показал, что QEMem улучшает покрытие доказательств и демонстрирует высокую эффективность в задачах, требующих интеграции информации из разных сессий. Это критически важно для создания автономных агентов, способных вести сложные диалоги и принимать решения на основе разрозненных исторических данных.
Источник: arXiv cs.AI ↗