メモリ管理

モデルのパラメータ内に暗黙的に格納された知識であり、マルチエージェント型エージェントAIシステムにおいて文脈に依存しない高速な知識検索を可能にする

特定の経験や出来事を時系列でインデックス化した記憶であり、マルチエージェント型エージェントAIシステムのためにエージェントのやり取りの自伝的な履歴を保存する

特定の獲得文脈から切り離された一般的な世界知識のシステムであり、マルチエージェント型エージェントAIシステムのために事実的知識と概念間の関係を支える

知識を保存・検索するための共有システムであり、分散された認知処理を通じてマルチエージェント集団の能力を拡張する

新しさ・関連性・重要度に基づいてメモリへのアクセスパターンを読み取り、書き込み、管理する体系的な操作であり、マルチエージェント型エージェントAIシステム向けである

異なる保持ポリシーを持つ多層構造のメモリ

事前に定義された解釈可能な形式で構成されたメモリであり、マルチエージェント型エージェントAIシステムのために記号的推論と精密なクエリを支える

明示的でモダリティに依存しないメモリシステムであり、マルチエージェント型エージェントAIシステムのために多様な入力にまたがって情報を保存する

時間をかけて記憶を強化し、整理していくプロセス

能動的な認知処理のための短期的な文脈管理

複数のエージェントにまたがって分散された、協調的なアクセスパターンと整合性メカニズムを備えたスケーラブルなメモリシステム

現在の文脈に関連する情報へ選択的に注意を向けること

マルチエージェント型エージェントAIシステムのために、推論パターンや知識を連続的な潜在空間の表現として格納する

エージェントに、タイムスタンプ付きの観察からなるメモリストリームを持たせ、類似度のみではなく、新しさ・重要度・関連性の重み付きスコアによって取り出す。エージェントは定期的に振り返り（リフレクション）を行い、最近の記憶からより高次の洞察を統合してストリームに書き戻すことで、それらが将来の計画を導くようにする。これはスタンフォードのgenerative agents（Smallville）研究に由来する設計である。

事実をナレッジグラフの辺として格納するエージェントのメモリ基盤で、各辺は明示的なバイテンポラルな有効性、すなわち有効時間（その事実が現実世界で真であった時点）とトランザクション時間（取り込まれた時点）を保持します。新しい情報が既存の事実と矛盾する場合、その辺は削除されるのではなく t_invalid タイムスタンプを書き込むことで無効化されます。これにより、グラフは何がいつ信じられていたかに答えることができ、古くなった事実を現在のものとして提供することは決してありません。これは Zep と Graphiti の設計です。時間軸も事実の置き換えも持たないグラフをモデル化する、`semantic-memory-networks` や知識表現における静的な `knowledge-graph-construction` パターンとは区別されます。

エージェントが何を保持するかではなく、何を破棄するかを明示的に統制する仕組みです。時間ベースの失効（TTL）、利用頻度と関連性に基づく減衰（項目にアクセスするたびに強化される、エビングハウス型の指数関数的減衰）、依然として関連はあるがもはや真ではない事実の陳腐化検出、そして忘れられる権利や GDPR 第17条への準拠のための完全削除が含まれます。無制限な記憶はエージェントの性能を測定可能なほど低下させるため、忘却は第一級の設計軸です。記憶をスキーマへ圧縮・抽象化する（逆方向の操作である）`memory-consolidation` や、新しさによる減衰を消去・削除のポリシーとしてではなく検索スコアとしてのみ用いる `generative-agents-memory` とは区別されます。