Efficiënte Levenslange Geheugen voor LLM Agents LLM agents hebben geheugen nodig om lange gesprekken te kunnen voeren. De manier waarop dit momenteel wordt afgehandeld, is dat het geheugen ofwel volledige interactiegeschiedenissen behoudt, wat leidt tot enorme redundantie, of vertrouwt op iteratief redeneren om ruis te filteren, wat overmatige tokens verbruikt. Dit nieuwe onderzoek introduceert SimpleMem, een efficiënt geheugenframework gebaseerd op semantische verliesloze compressie dat de informatieve dichtheid maximaliseert terwijl het tokenverbruik wordt geminimaliseerd. Het framework werkt via een drie-fasen pijplijn. 1) Eerst past Semantische Gestructureerde Compressie entropie-bewuste filtering toe om rauwe dialogen te destilleren in compacte geheugeneenheden, waarbij coreferenties worden opgelost en relatieve tijdsuitdrukkingen ("vorige vrijdag") worden omgezet in absolute tijdstempels. 2) Ten tweede integreert Recursieve Geheugenconsolidatie geleidelijk gerelateerde herinneringen in hogere abstracties, waarbij repetitieve vermeldingen zoals "bestelde een latte om 8 uur" worden omgevormd tot patronen zoals "drink regelmatig koffie in de ochtend." 3) Ten derde past Adaptieve Query-Bewuste Ophaling dynamisch de ophaalomvang aan op basis van de complexiteit van de query. De resultaten: Op de LoCoMo benchmark met GPT-4.1-mini behaalt SimpleMem 43.24 F1, wat de sterkste baseline Mem0 (34.20) met 26,4% overtreft, terwijl het tokenverbruik wordt verminderd tot slechts 531 tokens per query in vergelijking met 16.910 voor full-context benaderingen, een reductie van 30x. Ze beweren dat de geheugenconstructie 14x sneller is dan Mem0 (92,6s vs 1350,9s per monster) en 50x sneller dan A-Mem. Zelfs een model met 3B parameters met SimpleMem presteert beter dan grotere modellen die inferieure geheugenstrategieën gebruiken. Dit werk toont aan dat gestructureerde semantische compressie en adaptieve ophaling LLM agents in staat stellen om betrouwbaar langetermijngeheugen te behouden zonder te verdrinken in tokens of nauwkeurigheid op te offeren.