Tre paper usciti lo stesso giorno affrontano lo stesso problema da angoli diversi: come ridurre il costo della memoria degli agenti senza perdere informazioni.

Zero-Mem prende la strada più radicale. Toglie del tutto le chiamate al modello dalla gestione della memoria: niente token consumati per generare riassunti intermedi o mediare il recupero. Conserva le tracce originali delle interazioni e le organizza in un grafo entità-contesto e una gerarchia temporale. Solo il passaggio finale, quello che risponde alla domanda, chiama l’LLM. Risultato dichiarato nel paper: 57,6% di tempo in meno sulle operazioni di memoria rispetto al baseline più veloce (fonte: abstract, 31 luglio 2026).

RecHarness affronta un versante diverso: l’ottimizzazione automatica dei modelli. Invece di lasciare a un LLM sia la scelta della direzione sia la generazione del codice, separa i due compiti. Un algoritmo bandit seleziona la direzione in base ai risultati storici, l’LLM genera solo l’ipotesi concreta e il codice. Più stabile, meno budget sprecato.

Il terzo paper mostra che un modello di diffusione congelato può guidarsi da solo usando i propri campioni come riferimento. Un segnale che la memoria generativa può auto-organizzarsi senza riaddestramento.

Perché ti riguarda

Se costruisci agenti che lavorano su sessioni lunghe, il costo della memoria è già il tuo collo di bottiglia. Come raccontavamo il 26 luglio con il paper sulle cinque primitive del contesto agentico e l’approccio TAKC di AWS, i token di memoria crescono quadraticamente senza compattazione. Questi tre paper tracciano la transizione da «la memoria è gratis» a «la memoria va progettata». Zero-Mem dimostra che puoi strutturare il ricordo senza spendere token per gestirlo. RecHarness mostra che separare chi decide da chi esegue stabilizza la ricerca. Per chi usa agenti nel lavoro quotidiano, la lezione è una: l’architettura della memoria conta quanto la scelta del modello.

Nel dettaglio

Il problema che questi tre paper affrontano è emerso con chiarezza nelle scorse settimane. Il 26 luglio, un paper su arXiv ha formalizzato la memoria degli agenti come un ciclo di vita con cinque primitive, mostrando che senza compattazione il costo cresce quadraticamente. Lo stesso giorno, AWS ha pubblicato TAKC, un approccio che pre-comprime intere basi documentali per tipo di analisi. Entrambi dicevano la stessa cosa: la memoria non è più gratis.

Zero-Mem: togliere il modello dalla memoria.

L’idea centrale di Zero-Mem è che gestire la memoria non richieda generazione. Gran parte dei sistemi agentici usa chiamate LLM aggiuntive per riassumere, indicizzare o mediare il recupero. Ogni chiamata costa token e tempo.

Zero-Mem elimina questo overhead. Le tracce originali delle interazioni restano intatte, organizzate in due viste complementari. La prima è un grafo entità-contesto che espone le connessioni fra le interazioni. La seconda è una gerarchia temporale che preserva la località della conversazione e lo stato delle sessioni. Per ogni query, il sistema pesa le due viste, recupera da entrambe e segue la loro struttura per ricostruire le relazioni di supporto. Una calibrazione deterministica scarta prima le evidenze conflittuali, poi tiene la risposta ancorata alle tracce recuperate.

Il risultato dichiarato: con lo stesso reader finale e lo stesso budget di contesto, Zero-Mem riduce il tempo delle operazioni di memoria del 57,6% rispetto al baseline più veloce. Il codice è promesso dopo peer review.

RecHarness: separare chi decide da chi esegue.

RecHarness nasce in Kuaishou, la piattaforma cinese di short video. Il problema è l’ottimizzazione dei modelli di raccomandazione, oggi affidata a ingegneri che iterano manualmente su architettura, funzione obiettivo e strategia di training. Lasciare a un LLM sia la scelta della direzione sia la generazione del codice porta a ricerche instabili quando il budget di esperimenti è limitato.

La soluzione separa i due ruoli. Un algoritmo bandit (un tipo di algoritmo che bilancia esplorazione e sfruttamento) seleziona la direzione di modifica in base ai risultati storici. L’LLM genera solo l’ipotesi concreta e il codice. Quando le modifiche locali stagnano, un meccanismo di jump basin attiva un braccio strutturale che salta a un’architettura diversa. Un test A/B di sette giorni su una piattaforma pubblicitaria reale mostra miglioramenti misurabili: +2,084% sulla metrica ADVV, +0,534% sulle entrate (fonte: abstract, 31 luglio 2026).

Il terzo paper: l’auto-guida della diffusione.

Il paper sulla diffusione nello spazio pixel mostra che un modello congelato può migliorare le proprie generazioni usando i propri campioni come guida. Non serve riaddestramento. Il collegamento con la memoria agentica è indiretto ma rilevante: se un modello può auto-organizzare parte della propria uscita, c’è spazio per sistemi di memoria che si compattano senza chiamate esterne al modello.

Cosa resta aperto.

Zero-Mem è testato su benchmark di question answering, non su workload agentici reali con tool calling e pianificazione multi-turno. La promessa del codice è subordinata al peer review. RecHarness funziona nel dominio specifico della raccomandazione, e la generalizzazione ad altri tipi di ottimizzazione è da dimostrare. Il paper sulla diffusione è il più speculativo dei tre: il collegamento con la memoria agentica è un’implicazione, non un risultato.

Insieme, però, disegnano un trend chiaro. Il costo della memoria agentica sta diventando un criterio di design di primo livello, non un dettaglio implementativo.