Repensar la memoria como conectividad en evolución continua

Resumen

Los agentes LLM con memoria aumentada existentes a menudo tratan la memoria como un repositorio estático con representaciones predefinidas y tuberías de recuperación fijas, lo cual es frágil en entornos dinámicos de agentes donde la retroalimentación, la variación de tareas y las señales heterogéneas remodelan continuamente lo que debe recordarse y cómo debe conectarse. Para abordar esto, proponemos FluxMem, un marco de memoria con conectividad evolutiva que modela la memoria como un grafo heterogéneo y refina progresivamente su topología a través de tres etapas: formación inicial de conexiones, refinamiento impulsado por retroalimentación y consolidación a largo plazo. Durante la ejecución, FluxMem repara enlaces faltantes, poda interferencias, alinea la granularidad de abstracción y destila trayectorias recurrentes exitosas en circuitos procedimentales reutilizables, guiado por una métrica de generalizabilidad de la memoria y madurez evolutiva. En tres conjuntos de referencia fundamentalmente distintos, incluidos LoCoMo, Mind2Web y GAIA, FluxMem logra un rendimiento consistente de última generación, demostrando una fuerte adaptación y generalización en entornos complejos de agentes. El código será de código abierto en https://github.com/zjunlp/LightMem.

English

Existing memory-augmented LLM agents often treat memory as a static repository with pre-defined representations and fixed retrieval pipelines, which is brittle in dynamic agentic environments where feedback, task variation, and heterogeneous signals continuously reshape what should be remembered and how it should be connected. To address this, we propose FluxMem, a connectivity-evolving memory framework that models memory as a heterogeneous graph and progressively refines its topology through three stages: initial connection formation, feedback-driven refinement, and long-term consolidation. During execution, FluxMem repairs missing links, prunes interference, aligns abstraction granularity, and distills recurrent successful trajectories into reusable procedural circuits, guided by one metric for memory generalizability and evolutionary maturity. Across three fundamentally distinct benchmarks including LoCoMo, Mind2Web, and GAIA, FluxMem achieves consistent state-of-the-art performance, demonstrating strong adaptation and generalization in complex agentic environments. The code will be open-sourced in https://github.com/zjunlp/LightMem.