💬 NLP

AdaMem: Learning What to Remember for Personalized Long-Horizon LLM Agents

Het artikel introduceert AdaMem, een adaptief geheugensysteem dat rolspecifieke schrijfbeleid leert van gebruikersfeedback om irrelevante informatie te filteren, waardoor geheugenopzwelling wordt verminderd en de nauwkeurigheid bij langetermijn-QA aanzienlijk wordt verbeterd in vergelijking met uniforme geheugenbaselines.

Oorspronkelijke auteurs: Xingyu Chen, Rui Wang, Zhaopeng Tu, Liefeng Bo

Gepubliceerd 2026-06-23

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Xingyu Chen, Rui Wang, Zhaopeng Tu, Liefeng Bo

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een persoonlijke assistent hebt die elke dag met je praat voor maandenlang. In het begin zijn ze geweldig in het onthouden van wat je zei. Maar naarmate de tijd verstrijkt, beginnen ze een beetje overweldigd te raken. Waarom? Omdat ze alles proberen te onthouden.

Ze onthouden je favoriete koffiebestelling, maar ze onthouden ook het weer waar je op een dinsdag over klaagde, de naam van een vreemde die je kort ontmoette, en elk "hallo" en "tot ziens". Hun brein (of digitale geheugen) raakt zo vol met deze "ruis" dat ze de belangrijke zaken niet meer kunnen vinden wanneer je een vraag stelt. Dit wordt memory bloat (geheugenopzwelling) genoemd.

Het onderzoek introduceert een nieuw systeem genaamd AdaMem (Adaptive Memory) om dit op te lossen. Zo werkt het, met behulp van eenvoudige analogieën:

1. Het Probleem: De "Verzamelaar" Assistent

De meeste huidige AI-assistenten gedragen zich als een digitale verzamelaar. Ze hebben een regel: "Sla elk feit op."

Het resultaat: Na wekenlang wordt hun geheugenbank overvol met nutteloze trivia. Wanneer je vraagt: "Wat hadden we besloten over mijn vakantieschema?", moet de AI door duizenden irrelevante berichten over het weer of grappen heen graven. Het belangrijke antwoord raakt begraven en de AI geeft het antwoord fout.

2. De Oplossing: De "Slimme Redacteur" (AdaMem)

AdaMem verandert de regel. In plaats van alles op te slaan, vraagt het: "Waar geeft deze specifieke gebruiker eigenlijk om?"

Zie AdaMem als een Slimme Redacteur die jouw persoonlijke smaak leert kennen.

Als je een drukke manager bent: De redacteur leert om alleen vergaderdeadlines en zakelijke beslissingen te bewaren en kleine praatjes weg te gooien.
Als je een fitnessliefhebber bent: De redacteur leert om trainingsschema's en dieetdoelen te bewaren, en klachten over het verkeer te negeren.

Het systeem raadt dit niet één keer en vergeet het dan; het leert wat het moet bewaren door te kijken naar hoe jij reageert op de antwoorden.

3. Hoe het leert: De Wekelijkse "Patch"

Het systeem werkt volgens een wekelijkse cyclus, zoals een leraar die huiswerk nakijkt en vervolgens het lesplan bijwerkt:

De Week: De AI praat dagelijks met je en slaat herinneringen op op basis van de huidige "regels" (genoemd een Memory Policy).
De Test: Aan het einde van de week beantwoordt het vragen over wat er is gebeurd.
De Fout: Als het een antwoord fout heeft, zegt het niet alleen "Oeps". Het kijkt naar waarom het faalde.
- Is het iets belangrijks vergeten? (De regel was te strikt).
- Is het in de war geraakt door een nutteloos detail? (De regel was te los).
De Patch: De AI schrijft een kleine "software patch" (een kleine update) voor de regels. Het zegt: "Volgende week zal ik alleen schema's onthouden en het weer vergeten."
Het Veiligheidsnet: Voordat de nieuwe regel wordt toegepast, controleert het systeem: "Zal deze nieuwe regel iets breken dat ik eerder goed had gedaan?" Als de nieuwe regel de situatie verslechtert, voert het een rollback uit naar de oude regel. Dit voorkeert dat de AI doorslaat met slechte ideeën.

4. De Resultaten: Minder Rommel, Betere Antwoorden

De onderzoekers testten dit in een gesimuleerde omgeving waar een AI met verschillende "personages" sprak gedurende 10 weken.

De Oude Manier (Uniform Memory): De AI onthield alles. Tegen week 10 daalde de nauwkeurigheid omdat de AI verdronk in de ruis.
De AdaMem-Manier: De AI onthield minder (ongeveer 9% minder data), maar onthield wel de juiste dingen.
De Uitkomst: De AI beantwoordde 9% meer vragen correct dan de oude manier. Het was alsof je een rommelige kast opruimde: door de oude sokken weg te gooien en alleen de overhemden te houden die je echt draagt, kun je je favoriete overhemd veel sneller vinden.

5. De Addertje onder het gras: Het Heeft Duidelijke Feedback Nodig

Het onderzoek vond één interessante beperking.

Expliciete Feedback: Als je tegen de AI zegt: "Je zat ernaast! Onthoud dat ik om schema's geef", leert de AI heel snel en krijgt het de regels perfect.
Impliciete Feedback: Als je alleen zegt "Dat antwoord is fout" zonder uit te leggen waarom, heeft de AI moeite om te achterhalen waar je echt om geeft. Het is als een student die weet dat hij een toets fout heeft gemaakt, maar niet weet welke regel hij heeft overtreden.

Samenvatting

AdaMem is een systeem dat voorkomt dat AI-agenten proberen alles te onthouden. In plaats daarvan fungeert het als een gepersonaliseerde filter die week na week leert welke informatie waardevol is voor jou en wat slechts ruis is. Door het geheugen klein en gefocust te houden, helpt het de AI om over lange perioden accuraat en behulpzaam te blijven.

Technische Samenvatting: AdaMem

Probleemstelling

Interacties op de lange termijn voor Large Language Model (LLM) agents worden geconfronteerd met een kritiek conflict tussen het verlangen naar uitgebreide personalisatie en de beperkingen van productieomgevingen. Bestaande geheugensystemen (bijv. Mem0, MemoryBank) werken doorga�eld onder een "onthoud alles"-paradigma, waarbij feitelijke beweringen uit dialogen uniform extraheren om de contextretentie te maximalen. In de praktijk van echte implementaties botst deze aanpak echter met harde beperkingen: eindige contextbudgetten en inferentiekosten.

Naarmate interacties weken of maanden duren, leidt uniforme extractie tot geheugenblootstelling (memory bloat). De geheugenbank verzamelt irrelevante trivia (bijv. informele begroetingen, kleine details over planningen) die waardevolle informatie verdringt tijdens het ophalen (retrieval). Deze degradatie ondermijnt geleidelijk de nauwkeurigheid van Question-Answering (QA) over tijd. Het kernprobleem is dat agents een gebrek hebben aan schrijfcontrole (write control); ze slagen er niet in om onderscheid te maken tussen informatie die een specifieke gebruiker belangrijk vindt en ruis, waardoor alle feiten als even belangrijk worden behandeld, ongeacht de rol of voorkeuren van de gebruiker.

Methodologie: AdaMem

De auteurs stellen AdaMem (Adaptive Memory) voor, een framework dat geheugenbeheer verschuift van statische consolidatie naar een actief, op voorkeuren gestuurd proces van schrijfcontrole. AdaMem werkt vanuit het inzicht dat "wat het waard is om te onthouden" subjectief en rolafhankelijk is (bijv. het geheugen van een manager moet zakelijke beslissingen bijhouden, terwijl het geheugen van een fitnessbuddy trainingsschema's moet bijhouden).

Kerncomponenten

Gestructureerd Geheugenbeleid ( $P$ ):
In plaats van een generieke extractieregel, onderhoudt AdaMem een JSON-gebaseerd beleid dat karakters ( $C_i$ ) koppelt aan natuurlijke taal extractievoorkeuren ( $T_i$ ). Bijvoorbeeld, een beleid kan instrueren: "Extraheer alleen definitieve zakelijke beslissingen en deadlines; negeer dagelijkse praatjes."
Gesloten Wekelijkse Cyclus:
Het systeem voert een vierstapscyclus uit over wekelijkse horizonten:
- Dagelijkse Extractie: Geheugens worden opgeslagen onder het huidige actieve beleid. Relatieve temporele referenties (bijv. "morgen") worden via een stap van Tijd-verankering (Time Anchoring) omgezet in absolute datums om ambiguïteit te voorkomen.
- Wekelijkse Evaluatie: De agent wordt geprobeerd via QA-taken gebaseerd op het geaccumuleerde geheugen.
- Beleidreflectie (Policy Reflection): Het systeem diagnosticeert fouten in onjuiste antwoorden ( $W_t$ $W_{t}$ ) als:
  - Recall-fout: Het beleid was te restrictief (miste relevante info).
  - Precisie-fout: Het beleid was te permissief (haalde ruis op).
    Op basis hiervan genereert de agent een beleidspatch ( $\Delta P_t$ ) om de extractieregels bij te werken.
- Fout-rollback: Om stabiliteit te garanderen, wordt het bijgewerkte beleid gevalideerd tegen historische QA-paren. Als de prestaties verslechteren, wordt de update afgewezen en keert het beleid terug naar de vorige versie.
Rendering:
Het actieve beleid wordt gecompileerd naar aangepaste instructies voor de prompt van de extractor, wat de LLM stuurt over welke specifieke informatie voor elk persona behouden moet blijven.

Belangrijkste Bijdragen

Herformulering van Geheugen als Schrijfcontrole: Het paper herformuleert langdurig geheugen voor industriële implementatie niet als een retrieval-probleem, maar als een schrijfcontrole-probleem. Het beargumenteert dat agents actief moeten beheren wat naar het geheugen wordt geschreven op basis van gebruikersvoorkeuren, in plaats van dialogen integraal te consolideren.
AdaMem Framework: Een lichtgewicht, patch-stijl zelfreflectiemechanisme dat geheugenbeleid per rol leert van feedback. Het integreert in bestaande RAG-stacks zonder dat hertraining van het onderliggende model vereist is.
AdaMem-Bench: Een nieuwe benchmark die weken van interactie simuleert met week-voor-week QA. Deze bevat:
- Multi-persona tracking met onderscheidende informatievoorkeuren.
- Golden-memory annotaties voor evaluatie tegen de grondwaarheid (ground-truth).
- Scenario's met een hoge semantische overlap om interferentie aan te pakken.

Resultaten

Geëvalueerd over twee extractiemodellen (DeepSeek-V4-Flash, Gemini-3.5-Flash) en twee feedbackmodi (Expliciet en Impliciet), vertoont AdaMem significante verbeteringen ten opzichte van de uniforme Mem0-baseline:

QA-Nauwkeurigheid: AdaMem verbetert de nauwkeurigheid met maximaal +9,0% (85,2% vs. 76,2% op DeepSeek met expliciete feedback).
Geheugenefficiëntie: Het vermindert het geheugensvolume met 9% (bijv. 371 vs. 430 geheugens) terwijl het een hogere nauwkeurigheid behoudt, wat resulteert in een superieure Memory Efficiency Ratio (MER).
Categorie-specifieke Winsten: Verbeteringen zijn geconcentreerd in "zachte voorkeurscategorieën":
- Emotie/Houding: +15,9%
- Schema/Tijd: +9,9%
- Besluitvorming/Conclusie: +9,0%
- (Categorieën zoals Feit/Getal vertoonden minimale winst, aangezien deze gemakkelijk door standaard extractoren worden vastgelegd).
Retrieval Dynamiek: Over een horizon van 10 weken behoudt AdaMem een stabiele Recall@5 en Mean Reciprocal Rank (MRR), terwijl de uniforme baseline lijdt onder degradatie van de retrieval door de aanwezigheid van clutter.

Bottleneck Analyse:
De studie identificeert beleidsinferentie (het leren van voorkeuren uit feedback) als de primaire bottleneck, in plaats van beleidsnaleving.

Expliciete Feedback: Agents convergeren succesvol naar de grondwaarheid-voorkeuren (88,3% alignment).
Impliciete Feedback: Agents hebben moeite om voorkeuren te herleiden uit enkel correctheidssignalen, waarbij de beleidsalignment stagneert tussen 53,3% en 63,3%.

Betekenis en Claims

Het paper claimt dat AdaMem directe industriële waarde biedt door het evenwicht tussen contextbudget en personalisatie aan te pakken. Door het geheugen compact en gebruikersgestuurd te houden, verlaagt het de retrieval- en inferentiekosten terwijl de nauwkeurigheid wordt verbeterd. De "patch-stijl" reflectie maakt continue verbetering van geheugenbeleid mogelijk zonder het onderliggende LLM te hertrainen.

De auteurs concluderen dat hoewel moderne LLM's betrouwbaar gestructureerde instructies volgen (beleidsnaleving), het vermogen om complexe gebruikersvoorkeuren te afleiden uit zwakke (impliciete) feedback een belangrijke nieuwe grens is voor gepersonaliseerde agents. Het werk suggereert dat toekomstige vooruitgang voor langdurige agents afhangt van het oplossen van deze beleidsinferentie-uitdaging.

Erkende Beperkingen:
De auteurs merken op dat hun evaluatie steunt op synthetische data, wat de real-world linguïstische diversiteit mogelijk niet volledig vangt. Daarnaast is de schaal van de evaluatie beperkt door API-kosten (5 verhalen, 10 weken), en introduceert de afhankelijkheid van LLM-as-a-judge potentiële biases. Ten slotte, onder impliciete feedback, loopt het patch-mechanisme het risico op overfitting bij enkele fouten, hoewel het rollback-mechanisme dit mitigeert.