🧠 SEDM: ИИ-агенты научились отбрасывать лишнее и помнить только важное
📅 11 сентября 2025 года международная команда исследователей из Gradient, Zhejiang University, University of Toronto, Rice University, Waseda University и других вузов представила работу «SEDM: Scalable Self-Evolving Distributed Memory for Agents».
🚨 Проблема: память агентов тонет в шуме
Современные мультиагентные системы быстро накапливают огромные объёмы данных о взаимодействиях.
Но:
❌ Память разрастается бесконтрольно
❌ Растут вычислительные расходы
❌ Важная информация теряется среди «шума»
Итог: агенты начинают работать медленнее и менее точно.
🎯 Решение: SEDM (Self-Evolving Distributed Memory)
Учёные предложили превратить память из пассивного архива в живой, саморазвивающийся механизм.
Проще говоря, это новая система памяти, которая сама себя чистит и развивает.
Она работает так:
🔍 Фильтр на входе — в память попадают только полезные фрагменты опыта (через A/B-тест).
⚖️ Умный контроллер — выбирает важное, объединяет дубликаты, убирает лишнее.
🌐 Перенос знаний — память можно применять даже в других задачах.
📊 Тесты на двух бенчмарках:
FEVER (fact-checking)
• без памяти — 57%
• старая глобальная память (G-Memory) — 62%
• SEDM — 66% при меньших затратах токенов
HotpotQA (multi-hop reasoning)
• без памяти — 34%
• G-Memory — 38%
• SEDM — 39% с меньшей нагрузкой
👉 Самое интересное: знания, собранные на FEVER, улучшили результаты на HotpotQA (41% против 39%) — то есть факты из одной задачи помогли в другой.
📱 Простой пример
Представьте, что ваш телефон сам удаляет ненужные скриншоты и оставляет только те, которые реально помогают.
Вот так же и SEDM: не хранит всё подряд, а учится оставлять самое ценное.
🚀 Вывод
SEDM — это шаг к долговременным ИИ-агентам, которые:
✔️ учатся отбирать полезное
✔️ уменьшают вычислительные затраты
✔️ способны переносить знания между задачами
Иными словами, это не «память-свалка», а умная эволюционирующая память, которая делает агентов эффективнее.
#AIWiz #ИИ #AgenticAI #AIresearch
