MIRIX-2.0 : Multi-Agent Memory System Erreicht Benchmark-Führende Genauigkeit
Ein neues KI-Forschungspapier, MIRIX-2.0 : Multi-Agent Memory System, veröffentlicht am 2026-11-17 , stellt ein fortschrittliches Speichersystem für große Sprachmodell (LLM) Agenten vor. Entwickelt von Wei-Chieh Huang, Weizhi Zhang, Jiayan Nan, Peng Xia und Yu Wang, zeigt das System signifikante Verbesserungen in Genauigkeit und Effizienz über mehrere Benchmarks hinweg, ohne dass Feineinstellungen erforderlich sind. Die Open-Source-Implementierung ist auf GitHub verfügbar.
Durchbruch in der Langzeitgedächtnis für LLM-Agenten
MIRIX-2.0 adressiert kritische Herausforderungen im Langzeitgedächtnis für LLM-Agenten, einschließlich der Notwendigkeit von Personalisierung, Konsistenz und effizienter Wiederverwendung von Informationen. Traditionelle parametrische Speichersysteme erfordern häufig Training und laufen Gefahr, Details während der Konsolidierung zu verlieren, während die Beibehaltung jeder Aufzeichnung zu Ineffizienzen im Suchprozess führen kann. MIRIX-2.0 überwindet diese Einschränkungen mit einer Multi-Agenten-Speicherarchitektur, die sechs spezialisierte Gedächtnisbausteine integriert: Kern, episodisch, semantisch, prozedural, Ressource und Wissensspeicher.
Benchmark-Führende Leistung
Das System erzielte führende Ergebnisse bei vier von fünf QA-Benchmarks. Zu den wichtigsten Highlights gehören:
- 91.4% Genauigkeit beim LoCoMo Benchmark, das die stärkste Basislinie um 14.3 Prozentpunkte übertrifft.
- 72.6% Genauigkeit bei LongMemEval-S, ebenfalls führend um 14.3 Punkte.
- Signifikante Gewinne gegenüber HyperMem bei Dokumenten-QA-Aufgaben, wobei die Verbesserungen von 31.0 Punkten bei Einzelhop und 22.0 Punkten bei Mehrhop-QA, als AutoDream deaktiviert war, spürbar sind.
In prozeduralen Gedächtnisaufgaben erzielte MIRIX-2.0 die höchsten durchschnittlichen Erfolgsquoten unter den verglichenen Systemen. Es verzeichnete eine 49.2% Erfolgsquote bei MetaClaw-Bench und übertraf die Fähigkeitssammlung von MetaClaw, die 44.0% erreichte.
Technische Innovationen
Das System verwendet einen Provenienz-Hypergraphen, um episodische und semantische Aufzeichnungen mit n-ären Rahmen zu indizieren, um eine effiziente Abrufung unter expliziten Ressourcenbudgets sicherzustellen. Dieses Design verhindert, dass die Evidenzbasis unkontrollierbar mit der Geschichte wächst. Darüber hinaus konsolidiert das AutoDream-Feature doppelte Anker außerhalb des Schreibpfads und destilliert Aufgabensitzungen in wiederverwendbare Fähigkeiten, was sowohl Geschwindigkeit als auch Effizienz verbessert.
MIRIX-2.0 funktioniert nahtlos mit geschlossenen und offenen Modellen, benötigt keine Feineinstellungen und unterstützt multimodale Eingaben wie Text, Bilder, Stimmen und Bildschirmaufnahmen. Die PostgreSQL-native BM25 Volltextsuche und die optionale Neo4j -basierte Graphspeicherung verbessern zudem die fortschrittlichen Suchfähigkeiten.
Open-Source-Verfügbarkeit
Das MIRIX-2.0 -System ist als Open-Source-Projekt auf GitHub verfügbar, sodass Entwickler seine Funktionen erkunden und in ihre Anwendungen integrieren können. Das datenschutzorientierte Design stellt sicher, dass alle Langzeitdaten lokal gespeichert werden, mit benutzerkontrollierten Datenschutzeinstellungen.
Dieser Durchbruch in den Gedächtnissystemen für LLM-Agenten hat das Potenzial, die Art und Weise, wie KI-Modelle mit Langzeitgedächtnis, Personalisierung und prozeduralen Aufgaben umgehen, neu zu definieren, und ebnet den Weg für intelligentere und effizientere KI-Anwendungen.