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