🧠 Память агентов - это не база данных: новый взгляд на долгосрочное хранение данных для AI

Исследователи из Университета Конкордии представили работу, в которой ставят под сомнение традиционный подход к организации памяти AI-агентов. Авторы утверждают, что текущие системы, основанные на базах данных, графах или векторных хранилищах, неспособны обеспечить корректную работу долгоживущих агентов.

В статье выделены четыре ключевые проблемы: неконтролируемый рост памяти, отсутствие семантического пересмотра, забывание на основе ёмкости и доступ только для чтения. В качестве решения предложена концепция Governed Evolving Memory (GEM) — управляемой эволюционирующей памяти, где корректность определяется не на уровне отдельных записей, а на уровне всей траектории состояний агента.

GEM заменяет операции на уровне записей четырьмя операторами состояния: ingestion (приём), revision (пересмотр), forgetting (забывание) и retrieval (извлечение). Шесть условий корректности регулируют эволюцию состояния. Авторы доказывают, что ни одна система на уровне записей не может удовлетворить этим условиям, независимо от модели хранения.

Прототип MemState, реализованный на графовой СУБД, подтверждает принципиальную реализуемость подхода. Работа открывает три направления для исследований: разработка нативных движков памяти, формализация операций пересмотра и создание новых метрик для оценки качества памяти агентов.

#AI #Agents #Memory #DataBase #Research