H-MEM: a nova memória híbrida para agentes de IA (árvore temporal + grafo)
H-MEM: a nova memória híbrida para agentes de IA (árvore temporal + grafo)
A gestão de memória continua a ser um dos maiores bloqueios para agentes de IA que precisam de manter contexto durante semanas ou meses. O H-Mem tenta resolver esse problema com uma arquitectura híbrida em vez de depender apenas de pesquisa vectorial tradicional.
A ideia central é simples de explicar e difícil de executar: combinar uma árvore temporal-semântica com um grafo de conhecimento. A árvore organiza a evolução da memória no tempo, enquanto o grafo liga entidades e relações para permitir raciocínio multi-hop entre fragmentos distantes. Na prática, a árvore guarda eventos e fragmentos nos nós folha, e cria resumos progressivos nos níveis superiores. Isto permite que memória de curto prazo evolua para memória de longo prazo com compactação, mantendo uma noção temporal clara do que aconteceu e quando aconteceu. Em paralelo, o grafo extrai entidades, normaliza nomes e cria arestas relacionais entre pessoas, objectos, locais e conceitos. O objetivo não é apenas proximidade semântica, mas navegação explícita por relações reais, o que tende a melhorar respostas que exigem contexto cruzado.
Outro ponto forte do H-Mem é o pipeline de recuperação: a query é decomposta em subqueries, cada uma com escopo de memória (curto, longo ou misto). Primeiro expande-se no grafo para encontrar entidades relevantes; depois sobe-se na árvore para recolher evidência crua e resumos no equilíbrio certo.
O reranking final usa três sinais combinados: similaridade semântica, relevância temporal e robustez de memória. Esta última componente tenta reduzir ruído não reforçado e privilegiar informação recorrente ou consolidada, melhorando a qualidade do contexto enviado ao LLM.
Segundo os resultados apresentados no paper, o método supera baselines em benchmarks de memória longa, com ganhos particularmente visíveis em perguntas temporais e de raciocínio multi-hop. Em ambientes mais reais, o ganho existe, mas tende a ser mais moderado. Mas há um custo de complexidade e de computação... construir e manter árvore + grafo em escala elevada não é barato, e o benefício percentual pode não justificar a infraestrutura em todos os casos de uso.
Ainda assim, o H-Mem representa uma mudança relevante de paradigma: em vez de tratar memória como um ficheiro corrido ou apenas como embeddings, trata-a como estrutura viva, com topologia temporal e relacional. Isso aproxima os agentes de um comportamento mais consistente em tarefas longas. Portanto a conclusão é pragmática: não é a solução final para memória em IA, mas é um passo técnico sério na direcção certa. Para equipas que trabalham com agentes persistentes, vale acompanhar esta linha de investigação e testar onde a combinação entre custo e qualidade faz sentido.
Fontes oficiais: H-Mem (CUHK Shenzhen + Huawei Cloud), arXiv: https://arxiv.org/abs/2605.15701
