Repensando a Memória como uma Conectividade em Contínua Evolução

Resumo

Agentes de LLM aumentados por memória frequentemente tratam a memória como um repositório estático com representações predefinidas e pipelines de recuperação fixos, o que se mostra frágil em ambientes agentivos dinâmicos, onde feedback, variação de tarefas e sinais heterogêneos remodelam continuamente o que deve ser lembrado e como deve ser conectado. Para abordar isso, propomos o FluxMem, uma estrutura de memória com conectividade evolutiva que modela a memória como um grafo heterogêneo e refina progressivamente sua topologia por meio de três estágios: formação inicial de conexões, refinamento orientado por feedback e consolidação de longo prazo. Durante a execução, o FluxMem repara links ausentes, poda interferências, alinha a granularidade da abstração e destila trajetórias recorrentes bem-sucedidas em circuitos processuais reutilizáveis, guiado por uma métrica de generalizabilidade da memória e maturidade evolutiva. Em três benchmarks fundamentalmente distintos, incluindo LoCoMo, Mind2Web e GAIA, o FluxMem alcança desempenho de estado da arte consistente, demonstrando forte adaptação e generalização em ambientes agentivos complexos. O código será disponibilizado como código aberto em 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.