🤖 AI

QUMem: Personalized Memory for Query-Conditioned User-State Inference in LLM Agents

O QUMem é uma estrutura de memória estruturada que aprimora a personalização de agentes de LLM ao segmentar históricos de interação em episódios semânticos, decompondo-os em tipos de memória recuperáveis de forma independente e empregando um processo de recuperação multiagente para inferir estados de usuário temporal e contextualmente válidos, alcançando assim o estado da arte em benchmarks de personalização.

Autores originais: Heng Wang, Yifei Li, Lingling Zhang, Pengyu Li, Xinyu Che, Xinyu Zhang, Zesheng Yang

Publicado 2026-08-18

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Heng Wang, Yifei Li, Lingling Zhang, Pengyu Li, Xinyu Che, Xinyu Zhang, Zesheng Yang

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

No mundo rapidamente evolutivo da inteligência artificial, uma nova geração de programas de computador surgiu, capaz de fazer mais do que apenas responder perguntas; eles podem atuar como assistentes persistentes, lembrando de conversas passadas e adaptando seu comportamento ao longo do tempo. Esses sistemas, conhecidos como agentes, dependem de uma forma de memória digital para funcionar de maneira eficaz. Assim como um assistente humano recorda o pedido de café favorito de um cliente ou lembra que o prazo de um projeto foi alterado na semana passada, esses agentes precisam armazenar e recuperar informações de longos históricos de interação. No entanto, a memória humana não é um simples arquivo onde cada conversa é armazenada como um bloco único e imutável. Em vez disso, naturalmente separamos fatos de sentimentos, distinguimos entre um humor temporário e uma preferência duradoura, e entendemos que o contexto de uma conversa muda conforme o tempo passa. Para que a inteligência artificial realmente compreenda uma pessoa, ela deve ser capaz de fazer o mesmo: filtrar anos de diálogos, separar os detalhes relevantes do ruído e reconstruir uma imagem clara de quem o usuário é agora.

Por muito tempo, pesquisadores tentaram resolver isso construindo maneiras melhores de armazenar e pesquisar essas conversas digitais. A abordagem predominante tem sido tratar a memória como uma biblioteca onde a consulta de um usuário atua como um termo de busca, recuperando fragmentos de texto mais semelhantes. Embora isso funcione para perguntas simples, apresenta dificuldades quando a situação é complexa. Se um usuário muda de ideia sobre um tópico ao longo de várias semanas, ou se uma única conversa contém tanto uma reclamação passageira quanto uma regra permanente que ele deseja seguir, os sistemas padrão frequentemente ficam confusos. Eles podem misturar eventos não relacionados ou falhar em ver como uma decisão passada se conecta a um pedido atual. O resultado é um assistente que lembra das palavras, mas perde o significado, sendo incapaz de distinguir entre uma preferência temporária e um valor central.

Uma equipe de pesquisadores da Universidade de Xi'an Jiaotong propôs uma nova maneira de lidar com esse desafio, introduzindo um sistema chamado QUMem. Em vez de simplesmente pesquisar por textos semelhantes, este sistema é projetado para compreender a estrutura de uma conversa e o papel específico da informação dentro dela. Os pesquisadores argumentam que, para construir um assistente verdadeiramente personalizado, o computador deve primeiro organizar o histórico bruto de interações em histórias significativas, ou "episódios", baseados no fluxo natural da conversa. Em seguida, o sistema decompõe essas histórias em três tipos distintos de informação: fatos concretos sobre o que aconteceu, preferências ou regras específicas declaradas pelo usuário e percepções ou princípios mais amplos que podem ser aplicados a novas situações. Ao separar esses elementos, o sistema pode manter o contexto completo de um evento, permitendo ao mesmo tempo que o assistente selecione apenas o detalhe específico necessário para o momento atual.

A inovação central reside em como o sistema processa uma nova solicitação. Em vez de pedir ao computador para adivinhar o que procurar, o QUMem utiliza um processo de raciocínio de três etapas. Primeiro, um agente analisa a pergunta atual do usuário para determinar exatamente qual informação é necessária para respondê-la adequadamente. Ele se pergunta se a tarefa exige um fato específico, uma preferência passada ou uma regra geral. Em seguida, um segundo agente planeja uma busca, direcionando o sistema para procurar nas "prateleiras" específicas onde esse tipo de informação está armazenado, em vez de pesquisar em todo o histórico de uma só vez. Por fim, um terceiro agente pega as peças de evidência recuperadas e as tece em uma imagem coerente do estado atual do usuário. Esta imagem final não é apenas uma lista de memórias antigas; é uma compreensão sintetizada de quem o usuário é neste momento específico, levando em conta como suas preferências evoluíram e quais regras ainda se aplicam.

Para testar essa abordagem, os pesquisadores compararam seu sistema com diversos métodos existentes usando dois benchmarks diferentes projetados para medir o quão bem uma IA pode lembrar e se adaptar a um usuário. Em um teste, o sistema teve que responder perguntas sobre as mudanças de preferências de um usuário ao longo de conversas longas. O novo método superou significamente os outros, alcançando o desempenho de estado da arte no benchmark PersonaMem. Com o modelo GPT-4o-mini, o QUMem melhorou a precisão geral para 61,02%, e com o Gemini-3.5-flash, atingiu 70,58%, comparado a aproximadamente 53% e 63%, respectivamente, para os sistemas subsequentes mais próximos. A melhoria foi ainda mais pronunciada quando a tarefa exigia que o assistente rastreasse como uma preferência havia mudado ao longo do tempo ou aplicasse uma lição passada a um cenário completamente novo. Em um segundo teste envolvendo um assistente móvel que deveria realizar tarefas baseadas em hábitos do usuário, o sistema novamente alcançou a maior taxa de sucesso, provando que essa forma estruturada de pensar sobre a memória ajuda o computador a tomar melhores ações, não apenas a dar melhores respostas.

Os pesquisadores também descobriram que a forma como o sistema é construído o torna mais eficiente. Métodos antigos frequentemente disparam um processo computacional pesado toda vez que uma nova mensagem chega, independentemente de ser importante ou não. O novo sistema espera até que uma conversa conclua naturalmente um tópico antes de organizar a memória e, então, utiliza um número fixo e pequeno de etapas para classificar a informação. Isso significa que ele utiliza muito menos poder de computação para construir sua memória, permitindo que lide com históricos longos sem perder velocidade. O estudo sugere que a chave para a personalização de longo prazo não é apenas armazenar mais dados, mas organizá-los de uma forma que respeite a diferença entre um fato, uma preferência e uma lição. Ao tratar o histórico do usuário como uma coleção de histórias estruturadas e evolutivas, em vez de uma lista plana de palavras, o sistema pode inferir uma compreensão muito mais clara e precisa da pessoa a quem serve.

Resumo Técnico: QUMem

Declaração do Problema

Agentes de Grandes Modelos de Linguagem (LLMs) dependem cada vez mais de sistemas de memória externa para suportar a personalização de longo prazo. No entanto, as estruturas de memória existentes enfrentam três limitações críticas que dificultam a inferência eficaz do estado do usuário:

Limites Rígidos: Limites baseados em turnos fixos, tokens fixos ou sessões frequentemente misturam diálogos não relacionados ou fragmentam um único evento de suas causas, decisões e resultados. Isso interrompe o contexto de nível de evento necessário para a recuperação subsequente.
Informação Acoplada: Armazenar múltiplas peças de informação de uma única interação como uma única unidade de memória vincula distintas funções semânticas (ex: uma preferência geral versus uma restrição específica de contexto) de forma conjunta. Isso impede que o sistema recupere apenas os componentes relevantes para uma consulta específica.
Formulação de Consulta Inadequada: Tratar a tarefa atual como uma única consulta de recuperação de similaridade top- $k$ frequentemente resulta em fragmentos que são individualmente relevantes, mas que falham em capturar conjuntamente a evolução das preferências, a validade temporal e a aplicabilidade contextual.

O desafio central não é meramente recuperar memórias relevantes, mas sim inferir um estado de usuário relevante para a tarefa — uma representação estruturada de informações do usuário apoiada por evidências históricas, relevante para a consulta atual e aplicável no contexto atual.

Metodologia: QUMem

O QUMem é uma estrutura de memória estruturada projetada para a inferência de estado de usuário condicionada à consulta. Ele opera através de três módulos sequenciais:

1. Construção Dinâmica de Episódios

Para preservar o contexto de nível de evento, o QUMem abandona limites fixos em favor da continuidade semântica.

Mecanismo: Um classificador leve e ajustado ( $f_\theta$ ) analisa as falas adjacentes do usuário para determinar se pertencem ao mesmo evento ou tarefa.
Processo: O sistema mantém um episódio candidato aberto. Se o classificador determinar continuidade ( $c_t=1$ ), a fala é anexada. Se a continuidade for quebrada ( $c_t=0$ ), o episódio atual é finalizado e um novo começa.
Benefício: Isso garante que as causas, decisões, feedbacks e resultados do mesmo evento sejam mantidos juntos, evitando a interrupção do contexto do evento antes do armazenamento da memória.

2. Decomposição de Memória Tipada

Uma vez formado um episódio, ele é decomposto em memórias atômicas recuperáveis independentemente com base em três papéis funcionais distintos:

Memórias Fatuais ( $F$ ): Experiências, comportamentos, atividades ou estados concretos do usuário sem tendências inferidas.
Memórias de Preferência ( $P$ ): Escolhas, tendências, requisitos e restrições do usuário associados a objetos ou contextos específicos, incluindo suas justificativas. Estas não são assumidas como indefinidamente válidas; sua posição temporal é rastreada.
Memórias de Insights Transferíveis ( $I$ ): Princípios de decisão abstraídos derivados de escolhas concretas e feedbacks, aplicáveis a novos objetos ou contextos.
Armazenamento: Cada memória retém seu conteúdo ( $v$ ), tipo ( $d$ ), posição temporal ( $p$ ) e evidência de origem ( $E$ ). Isso permite a recuperação detalhada e a rastreabilidade da procedência.

3. Inferência de Estado de Usuário Condicionada à Consulta

Em vez de uma única operação de recuperação, o QUMem emprega três agentes sequenciais para transformar o objetivo da tarefa em um estado de usuário estruturado ( $Z_q$ ):

Agente de Necessidade de Informação ( $A_1$ ): Identifica o que informações históricas devem ser verificadas para a consulta atual e explica sua relevância, sem prescrever consultas de recuperação específicas.
Agente de Planejamento de Recuperação ( $A_2$ ): Reescreve as necessidades de informação em consultas autossuficientes e seleciona os repositórios de memória apropriados (Factual, Preferência ou Insight) para cada consulta. Ele gera um plano de recuperação $P_q$ .
Agente de Inferência de Estado de Usuário ( $A_3$ ): Recupera memórias candidatas, seleciona evidências relevantes para a tarefa e organiza-as em um estado de usuário estruturado $Z_q = (F_q, T_q, I_q)$ $Z_{q} = (F_{q}, T_{q}, I_{q})$ , onde:
- $F_q$ : Fatos organizados cronologicamente.
- $T_q$ : Evolução de preferências e restrições aplicáveis ao contexto.
- $I_q$ : Princípios de decisão abstraídos aplicados à tarefa atual.

Este estado estruturado é então enviado ao modelo de resposta subsequente ( $\Psi$ ) para gerar uma saída personalizada.

Principais Contribuições

Estrutura de Memória Estruturada: O QUMem organiza históricos de interação em episódios semânticos e os decompõe em memórias fatuais, de preferência e de insight complementares e recuperáveis independentemente. Isso preserva o contexto do evento enquanto permite o reuso detalhado.
Mecanismo de Inferência de Três Agentes: O artigo introduz um pipeline condicionado à consulta que separa a identificação da necessidade de informação, o planejamento de recuperação sobre repositórios tipados e a inferência de estado baseada em evidências. Isso permite a interpretação conjunta de evidências distribuídas e temporalmente separadas.
Validação Empírica: A estrutura é avaliada nos benchmarks PersonaMem e KnowU-Bench, demonstrando desempenho de estado da arte em tarefas de personalização de longo prazo.

Resultados Experimentais

O artigo avalia o QUMem contra três baselines: A-MEM, Mem0 e Zep.

Benchmark PersonaMem: O QUMem alcançou o melhor desempenho em todos os comprimentos de contexto (32K, 128K, 1M tokens) e categorias de consulta usando os modelos base GPT-4o-mini e Gemini-3.5-flash.
- Com GPT-4o-mini, o QUMem melhorou a precisão geral de 52,99% (melhor baseline) para 61,02%.
- Com Gemini-3.5-flash, melhorou o baseline mais forte de 63,29% para 70,58%.
- Os ganhos foram mais significativos em tarefas que exigem o rastreamento da evolução total de preferências, recomendações alinhadas às preferências e transferência entre contextos.
KnowU-Bench: O QUMem alcançou a maior Taxa de Sucesso (17,4% total) e Pontuação Média (0,53) entre os métodos avaliados, melhorando a taxa de sucesso em 4,6 pontos percentuais sobre o baseline mais forte. Isso indica a eficácia do método em traduzir preferências históricas em ações concretas.
Eficiência: O QUMem demonstrou eficiência superior na construção de memória, exigindo o menor número de chamadas de LLM por 100 turnos (81,4) e o menor custo de tokens (1.221,2) em comparação com baselines que disparam a construção a cada turno ou usam loops de verificação complexos.
Estudos de Ablação: Remover qualquer um dos três componentes principais (Construção de Episódio, Decomposição de Memória ou Reconstrução de Estado) degradou consistentemente o desempenho, confirmando seus papéis complementares. O estudo também identificou uma profundidade de recuperação ideal ( $k=5$ ).

Significância e Alegações

O artigo afirma que o QUMem aborda a desconexão fundamental nos sistemas de memória atuais entre recuperar fatos isolados e inferir um estado de usuário coerente. Ao separar explicitamente a identificação das necessidades de informação, o planejamento de recuperação sobre repositórios tipados e a interpretação conjunta de evidências, o QUMem permite que os agentes lidem com a evolução de preferências e restrições dependentes de contexto de forma mais eficaz.

Os autores enfatizam que o valor da estrutura reside em:

Preservar o contexto de nível de evento durante a construção.
Distinguir os papéis funcionais da evidência histórica (fato vs. preferência vs. insight).
Realizar a inferência de estado de usuário direcionada à tarefa em vez de simples correspondência de similaridade.

Os resultados sugerem que a inferência estruturada e condicionada à consulta é um passo crítico para uma personalização robusta de longo prazo, particularmente conforme os históricos de interação se tornam mais longos e complexos. No entanto, o artigo nota modestamente que, embora o QUM em melhore a inferência de preferências, gerar respostas que sejam simultaneamente novas e perfeitamente alinhadas às preferências continua sendo um desafio, particularmente em tarefas de "sugerir novas ideias".