MIRIX-2.0:マルチエージェントメモリシステムがベンチマークリーディング精度を達成
新しいAI研究論文、MIRIX-2.0:マルチエージェントメモリシステムが2026-11-17に公開され、大規模言語モデル(LLM)エージェントのための先進的なメモリシステムを紹介しています。Wei-Chieh Huang、Weizhi Zhang、Jiayan Nan、Peng Xia、Yu Wangによって開発されたこのシステムは、微調整を必要とせずに、複数のベンチマークにおいて精度と効率の大幅な改善を示しています。オープンソースの実装はGitHubで利用可能です。
LLMエージェントのための長期記憶のブレークスルー
MIRIX-2.0は、LLMエージェントにおける長期記憶の重要な課題に取り組んでおり、個別化、一貫性、情報の効率的な再利用が求められています。従来のパラメトリックメモリシステムは、トレーニングを必要とし、統合中に詳細を失うリスクがありますが、すべての記録を維持することは検索プロセスにおける非効率につながる可能性があります。MIRIX-2.0は、コア、エピソディック、セマンティック、プロセージャル、リソース、ナレッジボールトの六つの専門メモリコンポーネントを統合したマルチエージェントメモリアーキテクチャでこれらの制限を克服しています。
ベンチマークリーディングのパフォーマンス
システムは五つのQAベンチマークのうち四つでリーディング結果を達成しました。主なハイライトは次のとおりです:
- LoCoMoベンチマークでの91.4%精度で、最も強力なベースラインを14.3パーセントポイント上回っています。
- LongMemEval-Sでの72.6%精度でも、14.3ポイントでリードしています。
- AutoDreamが無効になっている場合、ドキュメントQAタスクでHyperMemに対して31.0ポイントの改善を達成し、単一ホップQAと22.0ポイントの改善を達成しました。
手続き的メモリタスクでは、MIRIX-2.0は比較されたシステムの中で最も高い平均成功率を達成しました。MetaClaw-Benchで49.2%の成功率を記録し、44.0%を獲得したMetaClawのスキルライブラリを上回りました。
技術革新
システムは、n元フレームを使用してエピソディックおよびセマンティック記録をインデックス化するための起源ハイパーグラフを利用し、明示的なリソース予算内で効率的な検索を保証します。この設計により、証拠の基盤が歴史とともに無制限に成長することを防ぎます。さらに、AutoDream機能は書き込みパスの外で重複したアンカーを統合し、タスクセッションを再利用可能なスキルに濃縮することで、スピードと効率の両方を向上させます。
MIRIX-2.0は、クローズドモデルとオープンモデルの両方でシームレスに動作し、微調整を必要とせず、テキスト、画像、音声、スクリーンショットなどのマルチモーダル入力をサポートします。PostgreSQLネイティブのBM25全文検索およびオプションのNeo4jベースのグラフメモリは、その高度な検索能力をさらに強化します。
オープンソースの可用性
MIRIX-2.0システムはGitHubでオープンソースプロジェクトとして利用可能であり、開発者はその機能を探求し、アプリケーションに統合できます。プライバシー重視の設計により、すべての長期データがローカルに保存され、ユーザーが制御するプライバシー設定が確保されています。
LLMエージェント向けのメモリシステムにおけるこのブレークスルーは、AIモデルが長期記憶、パーソナライズ、手続きタスクをどのように処理するかを再定義する可能性があり、よりインテリジェントで効率的なAIアプリケーションへの道を開きます。