Memora：平衡抽象與特異性的和諧記憶表示，大幅提升 AI 智能體長期任務效能

• Memora 是一種可擴展的記憶系統，旨在解決現代 AI 智能體在處理長期複雜任務時，記憶過去互動的困難與低效率問題。 • 其核心創新在於將「儲存的內容」（豐富的記憶資訊）與「檢索方式」（輕量級抽象與提示錨點）解耦，成功平衡了記憶的抽象性與特異性。 • 這種和諧組織透過「主要抽象」（捕獲記憶核心的簡短短語）和「記憶值」（儲存豐富詳細內容）組成記憶條目，並利用「提示錨點」作為多樣的檢索路徑。 • Memora 更引入了策略引導檢索器，將記憶存取視為一種主動推理過程，能迭代精煉查詢並追蹤多跳依賴關係，模擬人類回憶連貫事件的方式。 • 實驗結果顯示，Memora 在 LoCoMo 和 LongMemEval 等長期上下文基準測試中取得了最先進的表現，超越了 RAG、Mem0 等現有方法。 • 此外，它還能減少高達 98% 的上下文 token 消耗，證明其卓越的效率。

根據 Microsoft Research，Memora 的設計是實現 AI 智能體能與使用者進行長期協作，並累積數月甚至數年組織知識的關鍵一步。