Cet article présente Nemori, une nouvelle architecture de mémoire auto-organisée basée sur les principes cognitifs humains, visant à remédier au manque de rétention persistante de la mémoire à long terme, qui limite l'efficacité des modèles de langage à grande échelle (LLM) en tant qu'agents autonomes dans les interactions à long terme. Nemori aborde le problème de granularité des unités de mémoire en organisant de manière autonome les flux conversationnels en épisodes sémantiquement cohérents grâce au principe d'alignement en deux étapes, inspiré de la théorie de la segmentation des événements. De plus, le principe de prédiction-calibrage, inspiré des principes de l'énergie libre, permet une évolution adaptative des connaissances au-delà des heuristiques prédéfinies basées sur les différences de prédiction. Des expériences approfondies sur les benchmarks LoCoMo et LongMemEval démontrent que Nemori surpasse significativement les systèmes de pointe existants, en particulier dans les contextes à long terme.
