Alors que les agents LLM passent de scénarios mono-utilisateur à des scénarios collaboratifs multi-utilisateurs, la gestion de la mémoire devient un goulot d'étranglement critique. Les systèmes existants comme MemGPT, MemTree et GraphRAG se concentrent sur la mémoire d'un seul agent, mais ne parviennent pas à gérer les contextes partagés où plusieurs utilisateurs et agents doivent accéder et mettre à jour les informations en toute sécurité. Le framework Collaborative Memory, récemment publié sur arXiv, propose une solution combinant le partage de mémoire multi-utilisateurs avec un contrôle d'accès dynamique. Il aborde l'asymétrie d'information en permettant aux agents de partager sélectivement les connaissances tout en respectant les permissions des utilisateurs. Cela est particulièrement pertinent pour les applications d'entreprise où des équipes d'agents et d'humains collaborent sur des tâches partagées. La conception du framework suggère une évolution vers des systèmes de mémoire plus structurés et conscients des permissions dans les futures architectures d'agents.
Un nouveau framework, Collaborative Memory, permet aux agents LLM multi-utilisateurs de partager la mémoire avec un contrôle d'accès dynamique, répondant aux défis d'asymétrie d'information et de permissions.