aiming-lab/SimpleMem

SimpleMem: Efficient Lifelong Memory for LLM Agents — Text & Multimodal

What it solves

SimpleMem は LLM エージェント向けに長期メモリシステムを提供し、生のトークンが大量に必要なインタラクション履歴と、遅くてコストがかかる推論ループとのトレードオフを回避します。エージェントはセッション間でコンテキストを保持し、冗長なデータを繰り返し処理することなく過去情報を効率的に呼び出すことができます。

How it works

SimpleMem はメモリ管理のために 3 つのパートからなるアーキテクチャを採用しています。

  1. Text Memory: 非構造化インタラクションをコンパクトで自己完結型の事実に圧縮し、コアリファレンスと絶対タイムスタンプを解決します。セマンティック構造化圧縮、オンライン合成による冗長除去、インテント認識型取得計画を組み合わせて正確なコンテキストを組み立てます。
  2. Multimodal Memory (Omni-SimpleMem): これらの原則をテキスト、画像、音声、動画へ拡張します。エントリ時にエントロピー駆動フィルタリングを行い、FAISS と BM25 のハイブリッド取得にピラミッドトークン予算拡張を組み合わせ、ナレッジグラフでクロスモーダル推論を強化します。
  3. Self-Evolving Retrieval (EvolveMem): 自律ループ（Evaluate → Diagnose → Propose → Guard）で、LLM を用いて取得失敗を診断し、top_k や融合モードといった設定を自動チューニングして時間とともに性能を向上させます。

Who it’s for

セッションを跨いで永続的かつ長期的なメモリが必要な LLM エージェントを構築する開発者、またエージェントのメモリスタックにマルチモーダルデータ（画像、音声、動画）を統合したいユーザー向けです。

Highlights

  • Semantically Lossless Compression: 推論時のトークン消費を約 30 倍削減し、リコール精度を向上させます。
  • Multimodal Support: テキスト、画像、音声、動画メモリを統一的に扱います。
  • Self-Optimizing: 取得機構は開発用質問セットに基づき設定を自律的に最適化できます。
  • MCP Integration: クラウドホストサービスまたは Docker によるセルフホストが可能で、Claude Desktop、Cursor、その他 MCP クライアントと互換性があります。