Agentes de LLM em aplicações empresariais, científicas e médicas precisam incorporar conhecimento de domínio e se adaptar a partir da experiência. A engenharia de contexto melhora o comportamento no momento da inferência, mas adaptar o contexto online é um processo dispendioso de tentativa e erro, e consultas processadas de forma independente impedem que a experiência útil seja levada adiante. Sistemas de memória que continuamente acrescentam conteúdo a um contexto compartilhado enfrentam custos crescentes em tokens, limites de janela de contexto e degradação de desempenho à medida que o contexto se expande.
O artigo primeiro oferece uma formulação unificada: uma atualização de sistema de memória de agente pode ser interpretada como um procedimento de atualização por otimização sobre o contexto do modelo. O GraphMemory então aplica essa lente com uma memória leve baseada em grafo que acumula, refina, organiza e conecta estratégias reutilizáveis, recuperando apenas o subgrafo relevante para cada consulta, de modo que o modelo nunca vê a memória inteira.
Sob recuperação limitada, a quantidade de memória recuperada permanece constante à medida que os exemplos processados crescem. Os experimentos mostram que o GraphMemory alcança desempenho downstream competitivo usando aproximadamente 81-85% menos tokens de construção de memória do que as linhas de base.
Leia a memória como um banco de dados, não como uma transcrição: recupere apenas o subgrafo relevante sob um orçamento fixo, não importa o quanto a memória cresça
O orçamento de recuperação, e não o tamanho da memória, é o que determina o custo em tokens por consulta.
A estrutura de grafo permite que o refinamento e a conexão ocorram no momento da escrita, mantendo as leituras pequenas.
Interpretar as atualizações de memória como otimização de contexto dá ao design de memória um mecanismo de eficiência fundamentado.
Desacoplar a memória do contexto evita tanto o inchaço da transcrição quanto os limites da janela de contexto.
Um armazenamento de experiência só escala se as leituras forem limitadas. Estruture a memória de modo que uma consulta extraia uma vizinhança de tamanho fixo, e o custo de aprender com a experiência deixa de crescer com a quantidade de experiência.
Publicado como pré-print v1 no arXiv em 2 de outubro de 2026; os comentários do arXiv observam uma versão de workshop do NeurIPS (TTCL). Desempenho downstream competitivo relatado com 81-85% menos tokens de construção de memória do que as linhas de base.
CONFIRA AS EVIDÊNCIAS