Bi-Memとは

BI MEM
読み: バイメム

読み: バイメム

Bi MemとはLLMの階層型記憶構築フレームワーク

Bi Memとは、LLMに階層型の長期記憶を持たせるフレームワーク。会話の事実(Level 0)、シーンの要約(Level 1)、ユーザーのペルソナ(Level 2)の3層構造で記憶を管理し、下位から上位への帰納と、上位から下位への検証を双方向に行う。

かんたんに言うと

「昨日の会議で田中さんがコスト削減を主張した」という事実から、「田中さんは財務重視の人」というペルソナを自動で形成し、次の会話でそのペルソナを前提にAIが応答する仕組み。

3層の階層型メモリグラフ

情報を3つの抽象度で管理する。Level 0(Fact)は会話を細分化した事実データ。キーワードや文脈のメタデータを含む。Level 1(Scene)は複数の事実を意味のあるまとまりとして要約したシーン。Level 2(Persona)はシーンから抽出されたユーザーの興味関心、性格、価値観のプロファイル。
単なるベクトル検索のRAGでは「意味が近い文書」は引けても「この人はどういう人か」までは構造化できない。Bi-Memはこの限界を、人間の認知プロセス(具体→抽象の一般化)を模倣することで超える。

双方向の構築とハイブリッド検索

「双方向」がBi-Memの核心。下位の事実から上位のペルソナを帰納的に推測するだけでなく、形成されたペルソナの視点で下位の記憶を検証・強化するトップダウンのフィードバックループを持つ。
記憶の検索ではベクトル検索とBM25キーワード検索のハイブリッドに加え、見つけた記憶ノードから親(抽象概念)や子(具体的事実)をたどるグラフ探索を行う。SceneManagerやPersonaManagerといった複数のAIエージェントが、記憶の整理と構築を自動的に担当する。

当社の見解

当社が自社開発・運用しているAI記憶システムは、621件を超える用語集の背後で稼働している。過去の経営判断、設計方針、ユーザーとの対話履歴をナレッジグラフで保持し、セッションが切れても文脈ごと再開できる。記憶がないAIは毎回ゼロからの会話になる。記憶があるAIは、前提条件を理解した上で本題に入れる。この差は使えば体感できる。