Less Context, More Accuracy: A Bi-Temporal Memory Engine for LLM Agents Where a Lean Retrieved Context Beats the Full History

Este artículo presenta Engram, un motor de memoria bi-temporal de código abierto para agentes LLM, diseñado para resolver problemas de costo, latencia y precisión al evitar la repetición del historial completo. Utiliza un contexto recuperado más conciso para mejorar la precisión, gestionando la memoria a largo plazo con un grafo de conocimiento y resolución de contradicciones.