9,000+

token setiap pertanyaan SEBELUM xMemory

~4,700

token setiap pertanyaan SELEPAS xMemory

~50% Pengurangan Token + Ketepatan Dipertingkat

Satu-satunya sistem memori yang menjimatkan wang DAN menjadikan AI lebih pintar

Masalah: Mengapa RAG Standard Gagal untuk Ejen AI

RAG standard dibina untuk pangkalan data dokumen besar dengan kandungan yang sangat pelbagai. Ejen AI menghadapi sesuatu yang lebih sukar: aliran perbualan yang berterusan dan berkorelasi di mana cebisan hampir menjadi pendua antara satu sama lain.

Masalah buah sitrus: Seorang pengguna berkata "Saya suka oren," "Saya suka mandarin," dan secara berasingan membincangkan apa itu sitrus. RAG standard menganggap semuanya hampir sama secara semantik — dan mengambil 10 salinan "keutamaan sitrus" sementara kehilangan fakta kategori sebenar yang diperlukan untuk menjawab pertanyaan. Ejen kekurangan konteks yang sebenarnya sudah ada.

Mengapa Pembaikan Sedia Ada Memburukkan Keadaan

Pasukan kejuruteraan biasanya menggunakan pemangkasan atau pemampatan selepas pengambilan — menapis bunyi selepas pengambilan. Kedengarannya munasabah. Tetapi ini gagal untuk ejen AI kerana dialog manusia adalah "terjerat secara temporal":

• Rujukan bersama: "ia" dan "itu" merujuk kepada konteks sebelumnya

• Elipsis: perkataan yang hilang yang hanya masuk akal dengan ayat sebelumnya

• Kebergantungan garis masa: fakta yang hanya penting dalam urutan

Alat pemangkasan secara tidak sengaja memadamkan serpihan perbualan yang penting. AI kehilangan arah. Jawapan menjadi tidak koheren. Anda membayar untuk token tersebut dan tidak mendapat apa-apa.

xMemory: Hierarki Memori 4 Peringkat

Penyelidik di King's College London dan The Alan Turing Institute membina xMemory — rangka kerja yang mengatur perbualan ke dalam hierarki semantik yang boleh dicari dan bukannya membuang segala-galanya ke dalam konteks.

4

Peringkat Tema

Topik dan kategori peringkat tinggi — carian bermula di sini

3

Peringkat Semantik

Fakta boleh guna semula yang disuling — pengetahuan teras, tiada ulangan

2

Peringkat Epsod

Blok ringkasan bersebelahan perbualan

1

Mesej Mentah

Aliran perbualan asal

Inovasi Utama: Uncertainty Gating

💡 Kesamaan semantik adalah isyarat penjanaan calon. Uncertainty adalah isyarat keputusan.

— Lin Gui, Pengarang Bersama, King's College London

Sistem tradisional mendapatkan semula berdasarkan kesamaan semata-mata. xMemory menambah pintu kedua: uncertainty . Selepas mencari calon, ia bertanya: "Adakah menambah ini benar-benar mengurangkan uncertainty saya tentang jawapan?" Jika tidak, ia berhenti. Inilah sebabnya xMemory mencapai ketepatan yang lebih baik dengan token yang lebih sedikit.

Kesamaan memberitahu anda apa yang berdekatan. Uncertainty memberitahu anda apa yang sebenarnya bernilai dibayar dalam bajet prompt.

xMemory vs Alternatif

Sistem Struktur Redundansi Ketepatan Kos Flat RAG (MemGPT) Log mentah Tinggi Jatuh Tinggi Structured RAG (A-MEM) Hierarki/Graf Sederhana Sederhana Sederhana xMemory ⭐ 4-Tingkat + Gerbang Ketidakpastian Rendah Meningkat -50%

Maksudnya untuk Ejen Pengekodan

Untuk ejen AI pengekodan yang menjalankan aliran kerja berbilang sesi, xMemory boleh digunakan secara langsung:

✅ Ejen dapat mengekalkan ingatan projek yang koheren merentas berjam-jam atau berhari-hari kerja tanpa meletupkan konteks

✅ Keputusan kod yang relevan dari sesi sebelumnya diambil tanpa menyuntik semula sejarah penuh

✅ Kurang token setiap pertanyaan = bil API lebih rendah + respons lebih pantas

✅ Ketepatan lebih baik kerana perbualan tidak relevan dikecualikan secara struktur, bukan sekadar dipotong

Berhenti membayar untuk token yang tidak diperlukan.

Masa depan ingatan AI bukanlah tetingkap konteks yang lebih besar — ia adalah pengambilan semula yang lebih pintar. xMemory membuktikan anda boleh memiliki kedua-duanya: kos lebih rendah DAN jawapan lebih baik.

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