Equipe da Academia Chinesa de Ciências propõe a arquitetura de memória de hipergráfico HyperMem, alcançando avanços na capacidade de memória de IA para diálogos longos

ME News Notícias, 11 de abril (UTC+8), a equipe de pesquisa do Instituto de Engenharia de Informação da Academia Chinesa de Ciências publicou um artigo na conferência principal ACL 2026, propondo a arquitetura de memória de hipergráfico HyperMem voltada para diálogos de longo prazo, que atingiu uma precisão de avaliação de 92,73% no benchmark de diálogos longos LoCoMo, superando o atual melhor desempenho. As soluções existentes de memória baseada em RAG e estruturas de memória em gráfico dependem principalmente de relações de pareamento de dois elementos, dificultando a captura de associações de alto nível entre múltiplos elementos, o que resulta em fragmentação do conteúdo recuperado. HyperMem introduz uma estrutura de hipergráfico, dividindo a memória de diálogo em três níveis: tópicos, trechos e fatos, e usa hiperarestas para agrupar de forma unificada trechos e fatos relacionados, combinando índices híbridos de léxico-semântica e estratégias de recuperação de grosso a fino, permitindo uma busca precisa e eficiente de associações de alto nível. Os resultados experimentais mostram que, no benchmark de diálogos longos LoCoMo, HyperMem atingiu uma precisão de 92,73% na avaliação LLM-as-a-judge, alcançando o estado da arte (SOTA), validando sua eficácia na manutenção da coerência e personalização em diálogos de longo prazo. Este estudo oferece uma nova abordagem para que agentes de diálogo mantenham a coerência contextual, rastreiem tarefas contínuas e forneçam serviços personalizados em interações prolongadas. O artigo foi publicado no arXiv (número 2604.08256). (Fonte: BlockBeats)