自律エージェントの長期記憶をグラフ構造なしで高速化するMemanto──推論精度89.8%を達成
13種の型付きメモリと情報理論的検索エンジンにより、インジェクション遅延ゼロ・検索90ms以下を実現。（原題: Memanto: Typed Semantic Memory with Information-Theoretic Retrieval for Long-Horizon Agents）
リリース: 2026-04-23 · 読了 5 分記事の要約
1. 核心（What）
- LongMemEvalで精度89.8%、LoCoMo評価で87.1%を記録しSOTAを更新
- 検索エンジンMoorchehにより、インジェクション遅延ゼロかつ90ms以下の決定論的検索を実現
- 13の定義済みメモリカテゴリと自動競合解決メカニズムを統合した型付きセマンティックメモリを採用
2. 影響（Why）
- エージェントの記憶管理に「複雑なグラフ構造は不要」であることを実証し、既存の重厚なグラフベースRAGの前提を覆した
- インジェクションコストを排除しつつ精度を向上させており、本番環境での運用コストとレイテンシのトレードオフを劇的に改善する
- 開発者への影響: 既存の複雑なグラフベースRAGを運用している開発者は、Memantoのアーキテクチャへの移行を検討すべきであり、特にスケーラビリティとレイテンシがボトルネックとなっているシステムで有効である。
- 日本への影響: 国内固有の追加文脈は限定的（汎用的に有用）。
3. 根拠・詳細（How）
- LongMemEval: スコア 89.8
- LoCoMo: スコア 87.1
- Memanto: Typed Semantic Memory with Information-Theoretic Retrieval for Long-Horizon Agents (2026-04-23 公開)