Resumo Técnico: Eywa – Memória de Longo Prazo Baseada em Proveniência para Agentes de IA

1. Definição do Problema

Agentes de IA que operam através de múltiplas sessões requerem sistemas de memória que possam recuperar, auditar, atualizar e apagar informações. As arquiteturas de memória atuais frequentemente colapsam evidências de origem, fatos extraídos, contexto recuperado e políticas de resposta em um único caminho de prompt opaco. Essa abordagem de "caixa preta" torna o diagnóstico de falhas difícil: uma resposta errada pode decorrer de evidência ausente, extração não suportada, estado desatualizado, perda de recuperação ou do comportamento do modelo de resposta, embora os benchmarks de ponta a ponta geralmente reportem apenas uma pontuação agregada única.

Além disso, simplesmente estender a janela de contexto dos Grandes Modelos de Linguagem (LLMs) é insuficiente. Modelos de contexto longo sofrem com altos custos computacionais em escala e frequentemente falham em recuperar de forma confiável evidências localizadas no meio dos prompts ou quando as tarefas excedem os tamanhos de contexto efetivos. Sistemas existentes também têm dificuldade em distinguir entre dados de origem imutáveis e crenças derivadas, tornando difícil verificar alegações, realizar a exclusão solicitada pelo usuário ou reparar erros de memória específicos sem reprocessar todo o histórico.

2. Metodologia: A Arquitetura Eywa

A Eywa introduz uma arquitetura de memória baseada em proveniência construída sobre o princípio de "evidência antes da crença". Ela separa o ciclo de vida da memória em estágios distintos e auditáveis: captura de evidência imutável, extração de crença validada, recuperação determinística e síntese de resposta com política separada.

2.1. Objetos Principais e Invariantes

A Eywa define três objetos de memória distintos, mantendo a invariante de que a evidência precede a crença:

1. Evidência: Material de origem imutável (turnos brutos do usuário, carimbos de data/hora, papéis, metadados). Este é o substrato autoritativo.
2. Sinais: Detecções tipadas sobre a evidência (datas, entidades, decisões, correções) extraídas via detectores determinísticos sem chamadas de LLM.
3. Crenças: Fatos canônicos ou observações derivados de LLM. Estas são válidas apenas na medida em que são suportadas pela evidência de origem e permanecem vinculadas a ela via metadados de proveniência.

2.2. O Caminho de Escrita: Evidência Antes da Crença

O processo de escrita opera em dois níveis para garantir a extração fundamentada:

• Nível 0 (Captura Imutável): Cada turno do usuário é armazenado como uma linha de evidência imutável. Um detector de sinais determinístico extrai âncoras tipadas (ex: datas, URLs, valores monetários) para servir como um substrato de validação.
• Nível 1 (Extração Validada): Um LLM propõe fatos candidatos. Uma função de validação verifica esses candidatos contra a evidência e os sinais do Nível 0. Ela verifica:
  • Suporte: Sobreposição lexical e difusa (fuzzy) com o texto de origem.
  • Âncoras Rígidas: Correspondência exata de valores determinísticos (datas, IDs, montantes).
  • Sujeito e Ação: Verificação de que o sujeito alegado existe e que negação/incerteza é preservada.
  • Resultado: Apenas fatos validados são escritos como crenças canônicas, retendo um vínculo com sua evidência de origem. Candidatos falhos são rejeitados ou marcados para reparo.

2.3. O Caminho de Leitura: Recuperação Multirrota Determinística

O caminho de leitura da Eywa é livre de LLM (zero chamadas de LLM ocorrem entre o recebimento da consulta e o retorno do contexto). Ela utiliza um planejador de consulta determinístico para analisar a forma da pergunta (ex: inferência, lista, temporal) e atribui pesos a múltiplas rotas de recuperação:

• Busca Vetorial: Similaridade de cosseno de embeddings.
• Busca por Palavras-chave: Correspondência BM25 do SQLite FTS5.
• Busca Temporal: Filtragem por janelas de validade de fatos.
• Busca de Entidade/Grafo: Travessia de grafos de conhecimento baseados em entidades extraídas.
• Canais de Suporte: Resgate de episódios brutos para perguntas exatas e suporte de inferência para tarefas de raciocínio.

Os candidatos de todas as rotas são fundidos usando Fusão de Ranking Recíproco Ponderado (RRF). Filtros pós-fusão aplicam demissão de pessoa (penalizando fatos sobre a entidade errada) e um piso de preservação (protegendo candidatos de alto ranking de serem enterrados pelo ruído). A lista final ranqueada é empacotada em uma string de contexto limitada sob um orçamento de tokens.

2.4. Separação de Política de Resposta

O sistema retorna dois campos distintos para o modelo de resposta:

1. Contexto: A evidência de memória recuperada.
2. Instruções de Resposta: Texto de política explícito (ex: estrito, equilibrado, avançado) ditando como o modelo deve usar a evidência.
   Essa separação permite que o mesmo substrato de memória seja avaliado através de diferentes regimes de modelos (fronteira, orçamento, local) e políticas sem alterar a arquitetura de recuperação.

3. Principais Contribuições

1. Modelo Baseado em Proveniência: Uma arquitetura de memória que separa estritamente a evidência de origem imutável das crenças canônicas derivadas de LLM, permitindo auditabilidade e reparo.
2. Caminho de Escrita de Dois Níveis: Um mecanismo que combina detecção de sinais tipados e validação de âncoras rígidas para reduzir memórias extraídas não suportadas.
3. Caminho de Leitura Multirrota Determinístico: Um sistema de recuperação que opera sem chamadas de LLM, utilizando múltiplas rotas (vetorial, palavra-chave, temporal, grafo) enquanto preserva a rastreabilidade até a evidência de origem.
4. Interface Separável de Modelo: Uma arquitetura onde a entrega de memória é desacoplada da síntese de resposta, permitindo que a mesma evidência recuperada sirva a diversos modelos de resposta e políticas.
5. Protocolo de Avaliação ao Nível de Traço: Uma abordagem de benchmarking que reporta os papéis de escrita, QA e juiz separadamente, preservando artefatos por pergunta (perguntas, respostas padrão, contexto recuperado, rótulos) para inspeção independente.

4. Resultados Experimentais

A Eywa foi avaliada em três benchmarks: LoCoMo (memória conversacional de longo prazo), LongMemEval-S (suficiência de recuperação) e BEAM (estresse de memória técnica).

• LoCoMo (Divisão C1–C4): Usando Claude Sonnet 4.6 tanto para o papel de escrita quanto de QA, com GPT-4o como juiz, a Eywa alcançou 90,19% de precisão do juiz.
  • Execuções diagnósticas mostraram que um caminho de escrita mais forte (Sonnet 4.6) melhorou significativamente o desempenho de um modelo de resposta menor (Qwen3 32B), elevando sua precisão de 69,09% para 79,68%.
  • O sistema demonstrou robustez entre diferentes famílias de modelos, embora o raciocínio de domínio aberto (C3) tenha permanecido a categoria mais sensível ao modelo.
• LongMemEval-S: A Eywa alcançou 88,2% de precisão de suficiência de recuperação em 500 perguntas. A análise de falhas indicou que os erros restantes deviam-se principalmente a lacunas de cobertura de recuperação e perdas de seleção de contexto, em vez de simples falhas de extração.
• BEAM: Em um teste de estresse de memória técnica de 700 perguntas, a Eywa alcançou uma pontuação média de nugget de 81,45% e um pass@score≥0.5 de 85,29%. O desempenho foi mais forte em resolução de contradições, abstenção e raciocínio temporal, enquanto sumarização e atualizações de conhecimento apresentaram os maiores desafios.

Métricas Operacionais: O caminho de leitura livre de LLM demonstrou baixa latência, retornando o contexto montado em aproximadamente 150–200 ms em um armazenamento de estresse contendo milhares de fatos e links.

5. Significância e Alegações

O artigo posiciona a Eywa não como um substituto para modelos de contexto longo, mas como uma camada de infraestrutura de memória que torna o comportamento do agente inspecionável e controlável.

• Auditabilidade: Ao separar evidência de crença, a Eywa permite que usuários e desenvolvedores rastreiem qualquer alegação até seu turno de origem, facilitando a depuração, o reparo e a exclusão solicitada pelo usuário.
• Clareza Diagnóstica: O protocolo de avaliação ao nível de traço transforma falhas de benchmark de pontuações opacas em diagnósticos de engenharia específicos (ex: distinguir entre uma lacuna de recuperação e uma lacuna de síntese).
• Flexibilidade de Custo e Privacidade: A arquitetura suporta implantação "local-first" e separação de modelos, permitindo que operadores escolham entre privacidade local, modelos de baixo custo ou capacidades de raciocínio de fronteira sem reconstruir o substrato de memória.
• Avaliação Consciente de Recusa: O artigo destaca que métricas padrão podem ser infladas por recusas do modelo em perguntas respondíveis. O framework de avaliação da Eywa rastreia explicitamente as taxas de recusa para fornecer uma visão mais clara da capacidade do sistema.

Os autores concluem que a Eyva demonstra que separar a captura de evidência, a entrega de memória e a política de resposta cria um sistema que é ao mesmo tempo preciso e auditável, movendo o campo em direção a sistemas de memória que são práticas ferramentas padrão para agentes de IA, em vez de meras decorações de prompt opacas. Todos os artefatos por pergunta e benchmarks foram publicados para inspeção independente.