Novo framework MRAgent reduz consumo de tokens em memória de IA
O MRAgent otimiza a memória de agentes de IA ao substituir a recuperação passiva por reconstrução ativa, reduzindo drasticamente o uso de tokens.
Pontos principais
- O MRAgent consome 118 mil tokens por consulta, frente aos 3,26 milhões do LangMem.
- O sistema utiliza uma estrutura de 'Cue-Tag-Content' para navegação inteligente em grafos de memória.
- A arquitetura permite que o agente revise sua estratégia de busca durante o processo de raciocínio.
- O projeto exige um pipeline automatizado para transformar interações brutas em grafos estruturados.
- O código-fonte do framework foi disponibilizado publicamente no GitHub para uso da comunidade.
Pesquisadores apresentaram o MRAgent, um novo framework de memória projetado para aumentar a eficiência de agentes de inteligência artificial. Diferente de sistemas tradicionais que dependem de recuperação estática, o MRAgent utiliza uma abordagem de reconstrução ativa e associativa. Ao empregar uma estrutura de 'Cue-Tag-Content', o sistema navega por grafos de memória de forma dinâmica, permitindo que o agente ajuste sua estratégia de busca em tempo real durante o raciocínio. A inovação se destaca pela economia de recursos, reduzindo o consumo de tokens para 118 mil por consulta, uma melhoria significativa em comparação aos 3,26 milhões exigidos pelo LangMem. Essa tecnologia representa um avanço importante para o desenvolvimento de agentes mais autônomos e economicamente viáveis, facilitando a implementação de memórias complexas em aplicações de larga escala. O código-fonte já está disponível para acesso público no GitHub.
Tópicos relacionados
Comentários
Carregando comentários...