Zedong Peng · 2026 · arXiv
DOI: 10.48550/arXiv.2610.29823 · open-access PDF
Los sistemas de memoria de agentes como Mem0 y Zep deciden qué mantener antes de que llegue cualquier pregunta; los agentes de codificación guardan el historial crudo y dejan que el modelo lo busque con sus propias herramientas. Nos preguntamos si la memoria diseñada todavía ayuda una vez que el modelo es lo suficientemente fuerte como para buscarse a sí mismo. En una conversación LoCoMo (419 vueltas, 152 preguntas), ejecutamos cuatro métodos de memoria (contexto completo, BM25, Mem0, Zep) y tres agentes de codificación (Pi, Codex, Claude Code), cada uno con GPT-4o-mini, GPT-6 Luna y Claude Opus 5.5, y registramos lo que cuesta cada implementación.
Machine translation (Meta M2M100); the English original follows.
Agent memory systems such as Mem0 and Zep decide what to keep before any question arrives; coding agents keep the raw history and let the model search it with its own tools. We ask whether designed memory still helps once the model is strong enough to search for itself. On one LoCoMo conversation (419 turns, 152 questions), we run four memory methods (full context, BM25, Mem0, Zep) and three coding agents (Pi, Codex, Claude Code), each with GPT-4o-mini, GPT-6 Luna and Claude Opus 5.5, and record what every rollout costs. This is a short empirical study, with one conversation and one run per ce
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.29823, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange