activegraph

Yohei Nakajima强调，在activegraph上构建智能体会自动产生一等公民的追踪记录，这不同于事后添加的解决方案，并通过一个编码智能体实验进行了演示。

在我们的第二次longmemeval实验中，我们引入了基于ActiveGraph运行时的语义摄取到召回中，通过LLM摄取将平面/智能体检索的召回率从60.6%提升到83.4%/84.8%。

ActiveGraph引入了一种确定性的非生成式方法，在语义记忆之前进行证据汇编，在LongMemEval-S上实现了85.6%的问答准确率和86.2%的上下文回合答案准确率。

Yohei Nakajima 庆祝 ActiveGraph 在 arXiv 上首次被引用，作为互补运行时，并提到仓库中已包含可用的桥接示例。

Yohei Nakajima 在 ActiveGraph 上运行了 LongMemEval 基准测试，取得了 85.6% 的问答准确率和 86.2% 的回合上下文答案准确率，展示了基于事件的智能体系统在长期记忆方面的有效性。

一位开发者使用Active Graph和monid_ai构建了一个完全可追溯且可分支的研究代理，确保每个声明都直接追溯到其来源，并在大约30分钟内使其正常工作。