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

Este artigo apresenta o Engram, um motor de memória bi-temporal de código aberto para agentes LLM, visando resolver problemas de custo, latência e precisão causados pelo reuso do histórico completo. Ele utiliza um contexto recuperado mais enxuto para melhorar a acurácia, gerenciando a memória de longo prazo com um grafo de conhecimento e resolução de contradições.