Le Team Memory de Tencent partage la mémoire des agents IA entre équipes

Tencent a publié Team Memory, un projet open source conçu pour permettre aux agents d'intelligence artificielle au sein d'une équipe de partager un pool de mémoire commun. L'objectif est de résoudre les problèmes de perte de contexte et d'incohérence qui peuvent affecter la performance et la fiabilité des agents IA.

Une récente enquête VB Pulse a indiqué qu'une part importante des entreprises a attribué des erreurs d'IA à un contexte manquant ou incohérent. Alors que les solutions précédentes se concentraient sur la mémoire d'agents individuels, le Team Memory de Tencent étend cette capacité à une équipe entière, permettant aux agents de puiser dans une base de connaissances unifiée.

Le système utilise un hub de mémoire partagée plutôt que de s'appuyer sur des invites individuelles d'agents. Il classe les actifs réutilisables en quatre types : Mémoire de Chat (préservant les préférences et l'historique des interactions), Compétences (capturant les procédures), LLM-Wiki (structurant les documents) et Code-Graph (indexant les bases de code). Ces composants peuvent être déployés sélectivement aux agents selon les besoins.

Dans les benchmarks internes de Tencent, l'introduction d'une couche de persona, qui distille les informations utilisateur, aurait amélioré la précision des agents de 48 % à 76 %. Team Memory applique ce concept à un environnement d'équipe, créant une mémoire collective à laquelle les agents peuvent accéder.

Cependant, suite au lancement du projet, des praticiens de l'industrie ont soulevé des préoccupations concernant la gouvernance des informations incorrectes. Bien que Team Memory inclue une couche de contrôle d'accès, le processus de correction ou d'expiration des données erronées déjà partagées entre plusieurs agents reste flou. Cette gouvernance du "chemin d'écriture" est une considération essentielle pour empêcher la propagation généralisée de la désinformation au sein d'une équipe.