Neues Memory-Framework für generative Agenten: MaRS und FiFA-Benchmark

In der rasanten Entwicklung von generativen Agenten stellt die Verwaltung ihres Gedächtnisses einen entscheidenden Engpass dar – sowohl für die Leistungsfähigkeit als auch für den Schutz der Privatsphäre. Traditionelle Ansätze, die unbegrenzte Speicherstände nutzen, führen zu Rechenunmöglichkeit und Datenschutzproblemen, während vereinfachte Vergessensmechanismen die Kohärenz und Funktionalität der Agenten stark beeinträchtigen.

Die vorliegende Arbeit präsentiert das Memory‑Aware Retention Schema (MaRS), ein neuartiges, menschenzentriertes Framework für das Gedächtnismanagement. MaRS kombiniert sechs theoretisch fundierte Vergessensrichtlinien, die ein ausgewogenes Verhältnis zwischen Leistung, Privatsphäre und Rechenaufwand ermöglichen. Zusätzlich wird der Forgetful but Faithful Agent (FiFA) Benchmark vorgestellt, ein umfassendes Evaluationssystem, das die Agentenleistung in Bezug auf narrative Kohärenz, Zielerreichung, soziale Erinnerungsgenauigkeit, Datenschutz und Kosteneffizienz misst.

Durch umfangreiche Experimente mit 300 Testläufen, die verschiedene Speicherbudgets und Agentenkonfigurationen abdeckten, konnte gezeigt werden, dass die hybride Vergessenspolitik von MaRS einen überlegenen Gesamtwert von 0,911 erzielt. Dabei bleibt die Rechenkomplexität überschaubar und die Datenschutzgarantien werden gewahrt. Diese Ergebnisse setzen neue Maßstäbe für die Bewertung von Gedächtnisbudgetierten Agenten und liefern praxisnahe Leitlinien für den Einsatz generativer Agenten in ressourcenbeschränkten, datenschutzsensiblen Umgebungen.