ミーミル：21の神経科学メカニズムに基づいて構築されたPythonメモリシステム

Mímirは、公開された認知科学研究に基づく21のメカニズムを実装したAIエージェント向けPythonメモリシステムで、メモリをデータベースのように扱う従来のRAGアプローチの代替として開発されました。

主要な神経科学メカニズム

• フラッシュバルブ記憶（Brown & Kulik 1977） – 高覚醒イベントは永続的な安定性の下限値を獲得
• 再統合（Nader et al 2000） – 想起された記憶は現在の気分に向かって5％ずつ変化
• 検索誘導性忘却（Anderson 1994） – ある記憶を検索すると、類似する競合記憶が積極的に抑制される
• ツァイガルニク効果 – 未解決の失敗は特に鮮明に残り、エージェントはうまくいかなかったことを再試行し続ける
• ヴォルヴァのビジョン – sleep_reset()中にランダムな記憶ペアがサンプリングされ、洞察記憶として合成され、エージェントはそれを伴って目覚める
• ユグドラシル – 6種類のエッジタイプでエピソード記憶、手続き記憶、社会的記憶を統合された知識構造に接続する永続的メモリグラフ

技術的実装

検索には、5シグナル再ランキング（キーワード、セマンティック、鮮明度、気分一致、新近性）を備えたハイブリッドBM25＋セマンティック＋日付インデックスを使用します。このアプローチにより、キーワードのみのシステムが純粋なセマンティックシステムを上回っていた後、MSCが生のTF-IDFと競合するようになりました。

ベンチマーク結果

6つの標準メモリベンチマーク（Mem2ActBench、MemoryBench、LoCoMo、LongMemEval、MSC、MTEB）でテスト：

• Mem2ActBenchでVividnessMemを13％のツール精度で上回る
• LongMemEvalで96％のR@10を達成
• LongMemEvalの6カテゴリ中3つ（知識更新、単一セッション選好、単一セッションユーザー）で100％を達成
• MSCはTF-IDFベースラインとほぼ同率（ハイブリッドブリッジ前は11％劣っていた）

インストールとアーキテクチャ

pip install vividmimirでインストール。このシステムは、個別に公開された2つのパッケージ – VividnessMem（神経化学エンジン）とVividEmbed（389次元の感情認識埋め込み） – を調整しますが、フルスタックを必要としない場合でもスタンドアロンで優雅なフォールバック機能を備えています。

リポジトリと完全なベンチマーク結果はgithub.com/Kronic90/Mimirで入手可能です。