El equipo de la Academia China de Ciencias propone la arquitectura de memoria de hipergráficos HyperMem, logrando avances en la capacidad de memoria de IA para diálogos largos

ME News Noticias, 11 de abril (UTC+8), un equipo de investigación del Instituto de Ingeniería de la Información de la Academia de Ciencias de China publicó un artículo en la conferencia principal ACL 2026, proponiendo una arquitectura de memoria de hipergráficos para diálogos a largo plazo llamada HyperMem, que alcanzó una precisión de evaluación del 92.73% en la prueba de referencia LoCoMo, estableciendo el mejor rendimiento actual. Los esquemas existentes de memoria basada en RAG y estructuras gráficas dependen en gran medida de relaciones de emparejamiento de dos en dos, lo que dificulta captar relaciones de alto orden entre múltiples elementos, resultando en fragmentación del contenido recuperado. HyperMem introduce una estructura de hipergráfico que divide la memoria de diálogo en tres niveles: temas, fragmentos y hechos, y agrupa relacionados mediante hiperaristas, combinando índices léxico-semánticos híbridos y estrategias de recuperación de grueso a fino para lograr búsquedas precisas y eficientes de relaciones de alto orden. Los resultados experimentales muestran que, en la prueba de referencia LoCoMo para diálogos largos, HyperMem alcanzó una precisión del 92.73% en la evaluación LLM-as-a-judge, logrando el nivel más alto actual (SOTA), validando su efectividad en la coherencia a largo plazo y en la modelación de la personalización en diálogos. Este estudio ofrece nuevas ideas para que los agentes conversacionales mantengan la coherencia contextual, rastreen tareas continuas y brinden servicios personalizados en interacciones prolongadas. La publicación del artículo está disponible en arXiv (número 2604.08256). (Fuente: BlockBeats)