Les agents LLM dans les applications d'entreprise, scientifiques et médicales doivent intégrer des connaissances du domaine et s'adapter à partir de l'expérience. L'ingénierie du contexte améliore le comportement au moment de l'inférence, mais adapter le contexte en ligne est un processus coûteux par essais et erreurs, et les requêtes traitées indépendamment empêchent l'expérience utile de se transmettre. Les systèmes de mémoire qui ajoutent continuellement à un contexte partagé font face à des coûts en tokens croissants, à des limites de fenêtre de contexte et à une dégradation des performances à mesure que le contexte s'étend.
L'article propose d'abord une formulation unifiée : une mise à jour d'un système de mémoire d'agent peut être interprétée comme une procédure de mise à jour par optimisation sur le contexte du modèle. GraphMemory applique ensuite cette perspective avec une mémoire légère basée sur un graphe qui accumule, affine, organise et relie des stratégies réutilisables, en ne récupérant que le sous-graphe pertinent pour chaque requête afin que le modèle ne voie jamais l'intégralité de la mémoire.
Sous une récupération bornée, la quantité de mémoire récupérée reste constante à mesure que les exemples traités augmentent. Les expériences montrent que GraphMemory atteint des performances en aval compétitives tout en utilisant environ 81 à 85 % de tokens de construction de mémoire en moins que les références.
Lire la mémoire comme une base de données, non comme une transcription : ne récupérer que le sous-graphe pertinent sous un budget fixe, quelle que soit la taille de la mémoire
C'est le budget de récupération, et non la taille de la mémoire, qui détermine le coût en tokens par requête.
La structure de graphe permet à l'affinage et à la connexion de se produire au moment de l'écriture, ce qui maintient les lectures petites.
Interpréter les mises à jour de mémoire comme une optimisation du contexte donne à la conception de mémoire un levier d'efficacité fondé sur des principes.
Découpler la mémoire du contexte évite à la fois l'enflure de la transcription et les limites de fenêtre de contexte.
Un stock d'expérience ne passe à l'échelle que si les lectures sont bornées. Structurez la mémoire de sorte qu'une requête extraie un voisinage de taille fixe, et le coût d'apprentissage à partir de l'expérience cesse de croître avec la quantité d'expérience.
Suites
Publié comme préimpression v1 sur arXiv le 2 octobre 2026 ; les commentaires arXiv mentionnent une version d'atelier NeurIPS (TTCL). Performances en aval compétitives rapportées avec 81 à 85 % de tokens de construction de mémoire en moins que les références.
VÉRIFIEZ LES SOURCES