Наконец-то создают память для ИИ-агентов на основе психики человека Эту работу написали ребята с русскоязычными корнями из компании Synthius.ai Они предлагают систему Synthius-Mem, которая решает задачу, как дать ИИ-агенту долговременную память, и авторы заявляют, что не галлюцинирует и работает точнее, чем человек. Авторы предлагают использовать 6 когнитивных доменов, они строят систему по аналогии с нейроанатомией человеческой памяти: биография, опыт, предпочтения, социальный круг, работа, психометрия. Идея в том, чтобы извлекать не что было сказано в диалоге, а что известно о человеке. Самая сильная часть - акцент на устойчивости к галлюцинациям. Большинство конкурентов эту метрику вообще не репортят, а для бизнес-внедрений это критерий доверия. Но есть нюансы. Авторы говорят, что Synthius-Mem достигает 94.37% точности на бенчмарке LoCoMo и 99.55% устойчивости к галлюцинациям. Тут надо обратить внимание, что сам бенчмарк LoCoMo проходит методологический кризис: публичный аудит обнаружил ~99 ошибок в эталонных ответах, реальный потолок - 93-94%. ByteRover 2.0 в феврале показал 92.2% - разрыв с Synthius в пределах погрешности теста. А Letta недавно показала 74% вообще без архитектуры памяти, просто складывая историю в файлы. Вопрос, насколько важны все эти различия в дизайне? Если посмотреть на других игроков, то Google DeepMind не играют в LoCoMo, они выпустили Evo-Memory, где агент не вспоминает прошлое, а меняется от задачи к задаче. Supermemory, Zep и Backboard уходят на LongMemEval, где проверяют не память как таковую, а умение понимать, что она устарела. Synthius решает задачу хорошо. Но пока публикуется статья, поле уходит вперёд. Настоящая борьба разворачивается там, где бенчмарков ещё нет, а значит, нет и правил.