Resumo Técnico: Além do RAG para Memória de Agentes: Recuperação por Desacoplamento e Agregação

Declaração do Problema

Os sistemas padrão de Geração Aumentada por Recuperação (RAG) são fundamentalmente incompatíveis com os requisitos da memória de agentes. Enquanto o RAG padrão é projetado para grandes corpora de documentos heterogêneos, a memória de agentes consiste em fluxos de interação delimitados e coerentes, onde muitos trechos são altamente correlacionados ou quase duplicatas. Nesse contexto, a recuperação plana por similaridade top-$k$ frequentemente retorna contexto redundante, falhando em distinguir evidências decisivas ocultas entre histórias semelhantes. Por outro lado, estratégias de memória hierárquica existentes que dependem de compressão progressiva (por exemplo, resumos) frequentemente obscurecem os detalhes sutis necessários para diferenciar candidatos, como pequenas atualizações, restrições ou diferenças factuais. O desafio central não é apenas localizar texto relevante, mas isolar evidências específicas e críticas para a resposta de logs de interação altamente semelhantes.

Metodologia: xMemory

Os autores propõem o xMemory, um framework que acopla a estruturação da memória com a recuperação adaptativa baseada no princípio de desacoplamento antes da agregação. Diferentemente das abordagens tradicionais que tratam logs de interação longos como unidades monolíticas, o xMemory decompõe o histórico em unidades de evidência de granularidade fina antes de organizá-las.

1. Construção de Memória Hierárquica

O xMemory constrói uma estrutura hierárquica revisável por meio de três estágios:

• Segmentação: Mensagens brutas são particionadas em segmentos contíguos, cada um capturando um evento local coerente. Isso preserva o contexto local intacto, que frequentemente se perde na recuperação de mensagens isoladas.
• Desacoplamento: Cada segmento é decomposto em componentes de memória. Esses componentes são unidades concisas e estruturadas que representam fatos reutilizáveis, restrições, atributos, relações ou atualizações de estado. Esta etapa isola evidências distintivas da narrativa circundante.
• Agregação: Componentes relacionados são agrupados em grupos de alto nível. Essa agregação é guiada por uma função objetivo que equilibra esparcidade (favorecendo tamanhos de grupo equilibrados para minimizar custos de varredura) e fidelidade semântica (garantindo coerência intra-grupo e geometria inter-grupo navegável).

2. Manutenção Dinâmica

A estrutura de memória não é estática; ela evolui incrementalmente à medida que novas interações chegam.

• Afixação: Novos componentes são afixados ao grupo compatível mais próximo com base na similaridade de embeddings.
• Revisabilidade: O sistema suporta operações de divisão e fusão. Grupos excessivamente grandes ou incoerentes são divididos, enquanto grupos pequenos ou isolados são fundidos. Essas operações são acionadas quando melhoram o objetivo de orientação, permitindo que o sistema reorganize retroativamente componentes previamente armazenados com base em novas evidências.

3. Recuperação Adaptativa de Topo para Baixo

A recuperação ocorre em dois estágios para minimizar a redundância, garantindo contexto suficiente:

• Estágio I: Seleção de Esqueleto de Alto Nível: O sistema primeiro seleciona um conjunto compacto de grupos e componentes complementares. Ele utiliza uma estratégia de seleção gulosa que equilibra a relevância da consulta com a cobertura estrutural, aproveitando links de vizinhos mais próximos ($k$-NN) pré-mantidos entre grupos para evitar a seleção de evidências quase duplicatas.
• Estágio II: Expansão Adaptativa de Texto: Somente após o estabelecimento do esqueleto de alto nível o sistema expande para texto de nível inferior (segmentos e mensagens brutas). Essa expansão é impulsionada pela incerteza: um segmento ou mensagem é incluído apenas se fornecer uma redução marginal positiva na incerteza do leitor (medida via entropia preditiva). A recuperação para quando nenhuma redução adicional de incerteza é possível.

Contribuições Principais

1. Identificação do Problema: O artigo identifica a incompatibilidade entre as suposições padrão do RAG e a natureza da memória de agentes, argumentando que a memória de agentes requer um princípio de "desacoplamento antes da agregação".
2. Framework xMemory: A proposta de um framework que constrói uma estrutura de memória hierárquica revisável segmentando o histórico, desacoplando segmentos em componentes de memória e agregando componentes em grupos de alto nível.
3. Recuperação Adaptativa: O desenvolvimento de um método de recuperação de topo para baixo que seleciona um esqueleto de evidência compacto antes de expandir para texto bruto com base na redução de incerteza, demonstrado melhorar tanto a qualidade da resposta quanto a eficiência de tokens de inferência.

Resultados Experimentais

Os autores avaliaram o xMemory em dois benchmarks: LoCoMo (diálogo multi-sessão) e PerLTQA (memória de longo prazo personalizada), utilizando diversos LLMs de código aberto (Qwen3-8B, Llama-3.1-8B) e de código fechado (GPT-5 nano).

• Qualidade da Resposta: O xMemory consistentemente alcançou as médias mais altas de BLEU e F1 em todos os modelos base e conjuntos de dados. Por exemplo, no LoCoMo com Qwen3-8B, melhorou a média BLEU/F1 de 31,44/40,88 (linha de base Nemori) para 34,48/43,98.
• Eficiência: O xMemory demonstrou eficiência superior de tokens. No LoCoMo com Qwen3-8B, reduziu o uso de tokens de inferência de 7.755 (Nemori) para 4.711, melhorando simultaneamente a qualidade da resposta.
• Densidade de Evidência: A análise mostrou que o xMemory recupera evidências mais densas, com proporções mais altas de blocos "multi-hit" (contendo múltiplas unidades distintas de evidência de resposta) em comparação com RAG ingênuo e bases de referência baseadas em poda.
• Compromisso Custo-Desempenho: Ao contabilizar tanto os custos de construção de memória quanto os de inferência, o xMemory alcançou o equilíbrio mais favorável, superando as bases de referência de memória estruturada em qualidade enquanto mantinha custos totais de tokens mais baixos.

Significado e Afirmações

O artigo afirma que a memória de agentes eficaz não deve apenas recuperar ou comprimir interações passadas, mas deve reorganizá-las em estruturas orientadas a evidências que tornem acessíveis distinções sutis. Ao desemaranhar memórias altamente correlacionadas em componentes semânticos e recuperar de cima para baixo, o xMemory reduz a redundância enquanto preserva evidências vinculadas temporalmente. Os autores postulam que seu trabalho representa um passo rumo a sistemas de memória mais adaptativos e eficientes para agentes LLM de horizonte longo, abordando os desafios específicos de recuperação impostos por fluxos de interação coerentes e sobrepostos que o RAG padrão não consegue lidar.

Os autores permanecem modestos quanto às limitações, observando que a avaliação está confinada a benchmarks específicos (LoCoMo e PerLTQA) e que a dependência de componentes gerados por LLM introduz erros potenciais de extração. Eles sugerem que trabalhos futuros devem explorar configurações agênticas mais amplas e mecanismos de extração mais robustos.