Mem0은 총 90,000명의 개발자에게 서비스를 제공했으며 LoCoMo/LongMemEval 벤치마크 테스트 결과를 발표했습니다.

Mem0은 최근 개발자 수가 90,000+에 도달했으며, LoCoMo, LongMemEval 및 BEAM의 3가지 메모리 벤치마크에 대한 평가 보고서가 공개되는 등 많은 데이터를 공개했습니다. 이는 메모리 레이어 도구에 대한 공개된 보기 드문 기술 데이터이며 선택 판단에 중요한 참고 가치가 있습니다.

Agent의 주요 단점이 메모리 계층인 이유는 무엇입니까?

주류 LLM은 본질적으로 상태 비저장입니다. 각 대화는 처음부터 시작되며 이전 라운드의 사용자 기본 설정, 기록 결정 및 작업 진행 상황이 모두 손실됩니다. 이는 한 차례의 Q&A에서는 큰 문제가 되지 않지만 지속적인 상호 작용이 필요한 고객 서비스, 영업 보조원, 학습 및 코칭 제품의 경우 이러한 "잊음" 문제는 사용자 경험과 비즈니스 결과에 직접적인 영향을 미치게 됩니다.

Mem0의 제품 논리는 모든 대화가 "컨텍스트"가 될 수 있도록 Agent와 LLM 사이에 영구 메모리 계층을 삽입하는 것입니다.

기술적 메커니즘: 메모리 압축 + 다중 신호 검색

공식 웹사이트에서는 두 가지 핵심 기술 사항을 공개했습니다.

메모리 압축 엔진: 대화 기록은 그대로 저장되지 않고 압축되어 구조화된 메모리 조각으로 정제됩니다. 이 단계는 토큰 소비를 직접적으로 줄이고 검색 소음을 줄입니다.

다중 신호 검색: 검색은 벡터 유사성에 의존할 뿐만 아니라 시간 가중치 및 중요도 점수와 같은 다차원 신호를 결합하여 핵심 기억의 회상률을 향상시킵니다.

벤치마크 테스트 점수

공식 웹사이트에서는 세 가지 벤치마크를 공개했습니다.