MIRIX-2.0 : Sistema de Memória Multi-Agente Alcança Precisão Líder em Benchmark
Um novo artigo de pesquisa em IA, MIRIX-2.0 : Sistema de Memória Multi-Agente, publicado em 2026-11-17 , introduz um avançado sistema de memória para agentes de modelos de linguagem grandes (LLM). Desenvolvido por Wei-Chieh Huang, Weizhi Zhang, Jiayan Nan, Peng Xia e Yu Wang, o sistema demonstra melhorias significativas em precisão e eficiência em múltiplos benchmarks sem necessidade de ajuste fino. A implementação de código aberto está disponível no GitHub.
Avanço em Memória de Longo Prazo para Agentes LLM
MIRIX-2.0 aborda desafios críticos na memória de longo prazo para agentes LLM, incluindo a necessidade de personalização, consistência e reutilização eficiente de informações. Sistemas de memória paramétrica tradicionais muitas vezes exigem treinamento e correm o risco de perder detalhes durante a consolidação, enquanto manter todos os registros pode levar a ineficiências nos processos de busca. MIRIX-2.0 supera essas limitações com uma arquitetura de memória multi-agente que integra seis componentes de memória especializados: Núcleo, Episódico, Semântico, Procedimental, Recurso e Conhecimento.
Desempenho Líder em Benchmark
O sistema alcançou resultados de liderança em quatro dos cinco benchmarks de QA. Os principais destaques incluem:
- Precisão de 91.4% no benchmark LoCoMo, superando a linha base mais forte em 14.3 pontos percentuais.
- Precisão de 72.6% no LongMemEval-S, também liderando por 14.3 pontos.
- Ganhos significativos em relação ao HyperMem em tarefas de QA de documentos, com melhorias de 31.0 pontos para QA de um salto e 22.0 pontos para QA de múltiplos saltos quando o AutoDream estava desativado.
Em tarefas de memória procedimental, MIRIX-2.0 alcançou as maiores taxas médias de sucesso entre os sistemas comparados. Registrou uma taxa de sucesso de 49.2% no MetaClaw-Bench, superando a biblioteca de habilidades do MetaClaw, que marcou 44.0% .
Inovações Técnicas
O sistema emprega um hipergráfico de proveniência para indexar registros episódicos e semânticos usando quadros n-ários, garantindo recuperação eficiente sob orçamentos de recursos explícitos. Este design impede que a base de evidências cresça descontroladamente com a história. Além disso, o recurso AutoDream consolida âncoras duplicadas fora do caminho de gravação e destila sessões de tarefas em habilidades reutilizáveis, melhorando tanto a velocidade quanto a eficiência.
MIRIX-2.0 opera perfeitamente com modelos fechados e abertos, não requer ajuste fino e suporta entradas multimodais, como texto, imagens, voz e capturas de tela. Sua pesquisa de texto completo nativa PostgreSQL BM25 e a memória gráfica opcional baseada em Neo4j melhoram ainda mais suas capacidades avançadas de pesquisa.
Disponibilidade de Código Aberto
O sistema MIRIX-2.0 está disponível como um projeto de código aberto no GitHub, permitindo que desenvolvedores explorem suas características e integrem-nas em suas aplicações. O design com foco na privacidade garante que todos os dados de longo prazo permaneçam armazenados localmente, com configurações de privacidade controladas pelo usuário.
Esse avanço em sistemas de memória para agentes LLM tem o potencial de redefinir como os modelos de IA lidam com memória de longo prazo, personalização e tarefas procedimentais, abrindo caminho para aplicações de IA mais inteligentes e eficientes.