TL;DR: エージェントのメモリ検索を「類似度」から「有用性」に切り替えるJetrieverを提案。保存メモリ全件を判断モデルでスコアし、暗黙の関連も拾います。
Jetriever: Shifting Agent Memory Retrieval from Similarity to Utility
ポイント
・🥜 依頼文に出てこない「ナッツアレルギー」が、マカロンのレシピでは重要になる。類似度検索では拾えない
・🎯 全メモリに「回答の役に立つ確率」を付け、全件を順位づけして上位kを回答モデルへ
・🧠 世界知識と較正された確率を持つSystem One決定モデルJevを使用
・📈 InMind-125で正解のやり取りを84.8%が1位。BM25は0.8%、MiniLMは0.0%
・✅ エンドツーエンドは76.0%。公表済みの最良メモリシステムは14.4%
・💸 コストは1クエリ約0.008ドルだが、候補数に比例して増える
MAB(60問のサンプルのみ)でも44.3%から55.4%に向上しています。ただし評価は仕込んだ事実を探す設定が中心で、Jevは商用API経由です。大規模メモリへのスケールが課題です。
#
AgentMemory# #
Retrieval#