Tentang membangun sistem memori untuk tugas penalaran jangka panjang. Ini adalah topik yang sangat penting, terutama untuk meningkatkan agen pengkodean seperti Claude Code. Pendekatan Generasi Memori yang Ditambah Saat Ini mengandalkan kesamaan semantik atas penyimpanan memori monolitik. Semuanya terjerat: informasi temporal, hubungan kausal, referensi entitas. Ketika Anda mengambil berdasarkan kesamaan semantik saja, Anda kehilangan struktur yang memungkinkan penalaran. Desain ini membatasi interpretabilitas dan menciptakan ketidaksejajaran antara apa yang sebenarnya dibutuhkan kueri dan apa yang diambil. Penelitian baru ini memperkenalkan MAGMA, arsitektur memori agen multi-grafik yang mewakili setiap item memori di empat grafik ortogonal: semantik, temporal, kausal, dan entitas. Ide kunci: Alih-alih memasukkan semuanya ke dalam satu ruang penyematan, pisahkan berbagai jenis hubungan ke dalam struktur grafik yang berbeda. Kesamaan semantik memberi tahu Anda apa yang terkait secara topikal. Grafik temporal memberi tahu Anda apa yang terjadi kapan. Grafik kausal memberi tahu Anda apa yang menyebabkan apa. Grafik entitas memberi tahu Anda siapa dan apa yang terhubung. MAGMA merumuskan pengambilan sebagai traversal yang dipandu kebijakan atas pandangan relasional ini. Agen belajar menavigasi melintasi grafik berdasarkan maksud kueri, memungkinkan seleksi adaptif dan konstruksi konteks terstruktur. Dengan memisahkan representasi memori dari logika pengambilan, MAGMA menyediakan jalur penalaran yang transparan. Anda benar-benar dapat melihat mengapa memori tertentu diambil dan bagaimana mereka terhubung dengan kueri. Eksperimen pada LoCoMo dan LongMemEval menunjukkan bahwa MAGMA secara konsisten mengungguli sistem memori agen canggih dalam tugas penalaran jangka panjang. Mengapa pekerjaan ini penting: Saat agen menangani tugas yang semakin kompleks dan berjalan lama, memori menjadi hambatan. Pengambilan monolitik rusak ketika Anda perlu bernalar tentang urutan peristiwa, sebab dan akibat, atau hubungan antar entitas. Memori multi-grafik menawarkan jalan ke depan. Kertas: Pelajari cara membangun Agen AI yang efektif di akademi kami: