MemFactoryとは
MemFactoryとは、AI記憶システムの各機能をモジュール化し、用途に応じて組み合わせる統合フレームワーク
読み: メムファクトリー
記憶のライフサイクル（抽出、更新、検索）を独立したモジュールに分解し、交換可能にする。GRPOにより記憶管理の方針自体をAIが自動最適化する。既存手法から最大14.8%の改善が報告されている。
かんたんに言うと
AI記憶システムを「レゴブロックのように組み立てる」フレームワーク。記憶の保存・検索・更新をバラバラのパーツにして、用途に合わせて組み替えられる。記憶の管理方法自体もAIが自動で最適化する。
モジュール化の設計思想
記憶のライフサイクルを「抽出」「更新」「検索」の3つのモジュールに分解する。各モジュールは独立しており、用途に応じて異なる実装に差し替えられる。検索モジュールだけベクトル検索からグラフ検索に変えるといった柔軟な構成が可能。
GRPOによる自動最適化
グループ相対方針最適化（GRPO）により、記憶管理の方針自体をAIが自動で最適化する。どの記憶をどのタイミングで引き出すか、どの記憶を統合するか。これらの判断を人間が設計するのではなく、AIが試行錯誤の中で最適解を見つける。
実運用への適用と限界
設計思想として参考になるが、既存のシステムにそのまま導入するにはモジュール間のインターフェース設計が必要。現在の5層検索をモジュール化する際の参考になる。ただし直接の問題解決にはならず、アーキテクチャ再設計の指針として活用すべき。
当社の見解
記憶を大量に保存しても、AIは自分からは思い出さない。聞けば検索して答えるが、聞かなければ関連する記憶があっても引き出さない。当社が5層検索を設計した理由はここにある。さらに、教訓を全部注入するとAIが情報過多でルールから逸脱する確率が上がる。ルールを詳細に1万文字書いてもAIはその1万文字を読まない。これは人間と同じで、毎回1万文字のルールを読まされても段々と忘れてしまい守れなくなってしまうのと同じである。AIも人間もルールを守ってもらうには、必要な教訓だけをタスクに応じて選択的に注入する仕組みに切り替えた。これで「覚えてくれているな」という実感が増えた。記憶の量より、つながりと想起の仕組みの方が価値が高い。