9,000+

टोकन प्रति क्वेरी xMemory से पहले

~4,700

टोकन प्रति क्वेरी xMemory के बाद

~50% टोकन कमी + बेहतर सटीकता

एकमात्र मेमोरी सिस्टम जो पैसे बचाता है और AI को स्मार्ट बनाता है

समस्या: मानक RAG AI एजेंटों के लिए क्यों विफल रहता है

मानक RAG बड़े दस्तावेज़ डेटाबेस के लिए बनाया गया था जिसमें अत्यधिक विविध सामग्री होती है। AI एजेंटों के पास इससे कहीं अधिक कठिन चीज़ होती है: एक निरंतर, सहसंबद्ध वार्तालाप धारा जहाँ खंड एक-दूसरे के लगभग डुप्लिकेट होते हैं।

सिट्रस फल की समस्या: एक उपयोगकर्ता ने कहा "मुझे संतरे पसंद हैं," "मुझे कीनू पसंद हैं," और अलग से चर्चा की कि सिट्रस क्या माना जाता है। मानक RAG सभी को शब्दार्थ रूप से समीप मानता है — और "सिट्रस प्राथमिकता" की 10 प्रतियाँ पुनर्प्राप्त करता है, जबकि प्रश्न का उत्तर देने के लिए आवश्यक वास्तविक श्रेणी तथ्यों को छोड़ देता है। एजेंट उस संदर्भ के लिए भूखा रह जाता है जो उसके पास पहले से है।

मौजूदा सुधार इसे और बदतर क्यों बनाते हैं

इंजीनियरिंग टीमें आमतौर पर पुनर्प्राप्ति के बाद छंटाई या संपीड़न का सहारा लेती हैं — पुनर्प्राप्ति के बाद शोर को फ़िल्टर करना। यह उचित लगता है। लेकिन यह AI एजेंटों के लिए विफल रहता है क्योंकि मानव संवाद "अस्थायी रूप से उलझा हुआ" होता है:

• सह-संदर्भ: "यह" और "वह" पिछले संदर्भ से जुड़ते हैं

• लोप: लुप्त शब्द जो केवल पिछले वाक्यों के संदर्भ में समझ में आते हैं

• समयरेखा निर्भरताएँ: तथ्य जो केवल अनुक्रम में मायने रखते हैं

छंटाई उपकरण महत्वपूर्ण वार्तालाप अंशों को गलती से हटा देते हैं। AI सूत्र खो देता है। उत्तर असंगत हो जाते हैं। आपने उन टोकन के लिए भुगतान किया और कुछ नहीं मिला।

xMemory: एक 4-स्तरीय मेमोरी पदानुक्रम

किंग्स कॉलेज लंदन और द एलन ट्यूरिंग इंस्टीट्यूट के शोधकर्ताओं ने xMemory बनाया — एक ढाँचा जो वार्तालाप को संदर्भ में सब कुछ डंप करने के बजाय खोजने योग्य शब्दार्थ पदानुक्रम में व्यवस्थित करता है।

4

थीम स्तर

उच्च-स्तरीय विषय और श्रेणियाँ — यहाँ से खोज शुरू होती है

3

अर्थगत स्तर

संक्षिप्त पुन: प्रयोज्य तथ्य — मुख्य ज्ञान, बिना पुनरावृत्ति

2

प्रसंग स्तर

बातचीत के सतत सारांशित खंड

1

कच्चे संदेश

मूल वार्तालाप धारा

प्रमुख नवाचार: अनिश्चितता गेटिंग

💡 अर्थगत समानता एक उम्मीदवार-निर्माण संकेत है। अनिश्चितता एक निर्णय संकेत है।

— लिन गुई, सह-लेखक, किंग्स कॉलेज लंदन

पारंपरिक प्रणालियाँ केवल समानता के आधार पर पुनर्प्राप्त करती हैं। xMemory एक दूसरा द्वार जोड़ता है: अनिश्चितता । उम्मीदवारों को खोजने के बाद, यह पूछता है: "क्या इसे जोड़ने से उत्तर के बारे में मेरी अनिश्चितता वास्तव में कम होती है?" यदि नहीं, तो यह रुक जाता है। यही कारण है कि xMemory कम टोकन के साथ बेहतर सटीकता प्राप्त करता है।

समानता आपको बताती है कि पास में क्या है। अनिश्चितता आपको बताती है कि प्रॉम्प्ट बजट में वास्तव में किसके लिए भुगतान करना उचित है।

xMemory बनाम विकल्प

सिस्टम संरचना अनावृत्ति सटीकता लागत फ्लैट RAG (MemGPT) रॉ लॉग्स उच्च ड्रॉप्स उच्च स्ट्रक्चर्ड RAG (A-MEM) पदानुक्रम/ग्राफ मध्यम मध्यम मध्यम xMemory ⭐ 4-स्तर + अनिश्चितता गेट निम्न सुधार -50%

कोडिंग एजेंट के लिए इसका क्या अर्थ है

मल्टी-सेशन वर्कफ़्लो चलाने वाले AI कोडिंग एजेंटों के लिए, xMemory सीधे लागू होता है:

✅ एजेंट कॉन्टेक्स्ट को विस्फोट किए बिना घंटों या दिनों के काम में सुसंगत प्रोजेक्ट मेमोरी बनाए रख सकता है

✅ पिछले सत्रों के प्रासंगिक कोड निर्णय पूर्ण इतिहास को फिर से इंजेक्ट किए बिना पुनर्प्राप्त किए जाते हैं

✅ प्रति क्वेरी कम टोकन = कम API बिल + तेज़ प्रतिक्रिया

✅ बेहतर सटीकता क्योंकि अप्रासंगिक वार्तालाप को संरचनात्मक रूप से बाहर रखा जाता है, न कि केवल छाँटा जाता है

उन टोकन के लिए भुगतान करना बंद करें जिनकी आपको ज़रूरत नहीं है।

AI मेमोरी का भविष्य बड़े कॉन्टेक्स्ट विंडो नहीं है — यह स्मार्ट रिट्रीवल है। xMemory साबित करता है कि आप दोनों पा सकते हैं: कम लागत और बेहतर उत्तर।

शोध: xMemory (arXiv:2602.02007) — King's College London & The Alan Turing Institute | स्रोत: VentureBeat टैग: #xMemory #AIResearch #TokenOptimization #CodingAgent #RAG #LLMMemory #FinOps #AI