SuperLocalMemory V3.3: De Levende Hersenen -- Biologisch Geïnspireerd Vergeten, Cognitieve Kwantisering en Multi-Kanaal Retrieval voor Zero-LLM Agent Geheugensystemen
SuperLocalMemory V3.3: The Living Brain -- Biologically-Inspired Forgetting, Cognitive Quantization, and Multi-Channel Retrieval for Zero-LLM Agent Memory Systems
April 6, 2026
Auteurs: Varun Pratap Bhardwaj
cs.AI
Samenvatting
AI-coderingsagenten opereren in een paradox: ze bezitten uitgebreide parametrische kennis, maar kunnen zich geen gesprek van een uur geleden herinneren. Bestaande geheugensystemen slaan tekst op in vectordatabases met enkelvoudige retrieval, vereisen cloud-LLM's voor kernoperaties, en implementeren geen van de cognitieve processen die menselijk geheugen effectief maken.
Wij presenteren SuperLocalMemory V3.3 ("The Living Brain"), een lokaal-first agentgeheugensysteem dat de volledige cognitieve geheugentaxonomie implementeert met wiskundige levenscyclusdynamiek. Voortbouwend op de informatie-geometrische fundamenten van V3.2 (arXiv:2603.14588) introduceren we vijf bijdragen: (1) Fisher-Rao Quantization-Aware Distance (FRQAD) – een nieuwe metriek op de Gaussische statistische variëteit die 100% precisie bereikt bij het prefereren van hoogwaardige embeddings boven gekwantiseerde (vs 85.6% voor cosinus), zonder precedent; (2) Ebbinghaus Adaptief Vergeten met levenscyclusbewuste kwantisatie – de eerste wiskundige vergeetcurve in lokaal agentgeheugen gekoppeld aan progressieve embeddingcompressie, met 6.7x discriminerend vermogen; (3) 7-kanaals cognitieve retrieval met semantische, keyword, entiteitengrafiek, temporele, spreading activation, consolidatie en Hopfield associatieve kanalen, behalend 70.4% op LoCoMo in zero-LLM Modus A; (4) geheugenparameterisatie die Langetermijn Impliciet geheugen implementeert via soft prompts; (5) zero-friction auto-cognitieve pijplijn die de volledige geheugenlevenscyclus automatiseert.
Op LoCoMo behaalt V3.3 70.4% in Modus A (zero-LLM), met +23.8 procentpunt op multi-hop en +12.7 procentpunt op adversarial. V3.2 behaalde 74.8% in Modus A en 87.7% in Modus C; het 4.4 procentpunt verschil reflecteert een bewuste architecturale afweging. SLM V3.3 is open source onder de Elastic License 2.0, draait volledig op CPU, en heeft meer dan 5.000 maandelijkse downloads.
English
AI coding agents operate in a paradox: they possess vast parametric knowledge yet cannot remember a conversation from an hour ago. Existing memory systems store text in vector databases with single-channel retrieval, require cloud LLMs for core operations, and implement none of the cognitive processes that make human memory effective.
We present SuperLocalMemory V3.3 ("The Living Brain"), a local-first agent memory system implementing the full cognitive memory taxonomy with mathematical lifecycle dynamics. Building on the information-geometric foundations of V3.2 (arXiv:2603.14588), we introduce five contributions: (1) Fisher-Rao Quantization-Aware Distance (FRQAD) -- a new metric on the Gaussian statistical manifold achieving 100% precision at preferring high-fidelity embeddings over quantized ones (vs 85.6% for cosine), with zero prior art; (2) Ebbinghaus Adaptive Forgetting with lifecycle-aware quantization -- the first mathematical forgetting curve in local agent memory coupled to progressive embedding compression, achieving 6.7x discriminative power; (3) 7-channel cognitive retrieval spanning semantic, keyword, entity graph, temporal, spreading activation, consolidation, and Hopfield associative channels, achieving 70.4% on LoCoMo in zero-LLM Mode A; (4) memory parameterization implementing Long-Term Implicit memory via soft prompts; (5) zero-friction auto-cognitive pipeline automating the complete memory lifecycle.
On LoCoMo, V3.3 achieves 70.4% in Mode A (zero-LLM), with +23.8pp on multi-hop and +12.7pp on adversarial. V3.2 achieved 74.8% Mode A and 87.7% Mode C; the 4.4pp gap reflects a deliberate architectural trade-off. SLM V3.3 is open source under the Elastic License 2.0, runs entirely on CPU, with over 5,000 monthly downloads.