本文へスキップ
ReviewRamble

週刊ブリーフ

AIのレビューを、あなたの受信箱に。

  • ツール、モデル、MCPサーバー、リポジトリの新しいレビュー(結論を最初に)
  • 変更があったときに再確認した価格と評価
  • 公開された新しい分析記事

モデル、エージェント、MCPサーバー、そして本当に時間をかける価値のあるツール。

週に1通です。配信停止は各メールのリンクからできます。 メールアドレスの利用について

Memorilla

文書の集まりやチャット履歴の全体を、固定したLLM向けの16個の記憶トークンに圧縮する、スタンフォードの研究用コード。

レビュー: ReviewRamble editors · 更新

GitHubで見る オープンソース

このページを共有:XLinkedInFacebookRedditWhatsAppメール

当サイトの評価

3.8/5

Memorillaは長期記憶への巧みな答えで、わずかなトークンで検索型の手法を上回りますが、今のところ80 GBのGPUを要する研究用コードです。

Memorillaとは?

Memorillaはスタンフォード大学SNAPグループの記憶システムです。テキストの断片を検索する代わりに、利用者の過去のチャット、長い本、文書群といったコレクション全体を読み、質問に合わせて形作った固定の16個の記憶トークンを、固定した言語モデルに渡します。

論文は、Mem0やMemoRAGなどの記憶手法に対して平均で最良の結果を報告しており、FactKGではすべての文書をモデルに渡す場合さえ上回り、84.33%対80.43%を、108分の1のトークンで達成しました。TextWorldのゲームでは、エージェントの成功率を18.6%から24.2%に上げました。リポジトリには訓練と評価のコードと、Qwen3-8B向けの公開モデルがあり、ライセンスはApache 2.0です。

Memorillaは使う価値があるか?

Memorillaは、検索とは別の側から記憶の問題に取り組みます。最も似た断片を取ってくるのではなく、利用者の過去の会話、本、文書群をすべて読み、今の質問に重要なことを16個の記憶トークンに凝縮し、固定したモデルがプロンプトと一緒に受け取ります。

READMEの例がそれを示しています。ある利用者には過去の会話が107件、約32,000トークンありました。朝食のアイデアを尋ねると、Memorilla付きのQwen3-8Bは、以前のチャットで一度だけ触れた2型糖尿病の家族歴に合わせた提案をし、記憶なしのQwen3-8Bはありきたりな一覧を返しました。論文はベンチマークでMem0とMemoRAGに対して最良の平均を報告し、FactKGではすべての文書をモデルに渡すよりも正確で、84.33%対80.43%を108分の1のトークンで出しています。

まだ製品に組み込むライブラリではありません。コードはCUDAのGPU向けで、80 GBのH100で動かされており、クイックスタートには80 GBのGPUが1枚必要で、約25 GBのモデルをダウンロードします。公開された記憶モジュールはQwen3-8B向けに訓練されているので、ほかのモデルには独自の訓練が必要です。arXivの論文は査読を経ていません。

真価を発揮する場面

  • 個人向けアシスタントを作るMLエンジニア

    実際のチャット履歴で、圧縮した記憶が検索に勝るか確かめる

    PersonaMem-v2の例を動かし、その後、文書化された設定で自社のデータを使って訓練します。80 GBのGPUを用意してください。

  • エージェントを研究するグループ

    エージェントに自分の過去のエピソードから学ばせる

    Memorillaが成功率を18.6%から24.2%に上げたTextWorldの強化学習の設定から始めます。

導入前に確認すること

導入
クローンし、uvでPython 3.11の環境を作り、pip install -e .を実行し、必要ならFlashAttention-2も入れます。初回実行で約25 GBのモデルをダウンロードします。
連携
MemoryVLLMラッパー経由のvLLM、Qwen3-8B、任意でWeights & Biases、TextWorld。
データとプライバシー
自分のGPUで動作。Apache 2.0。
大規模利用時のコスト
コードは無料。訓練と評価は80 GBのH100 GPUで行われました。
制限
CUDAのGPUのみ。公開モジュールはQwen3-8Bに依存。研究段階のコード。

良い点

  • コレクションの大きさによらず記憶トークンは16個で固定
  • 論文によれば平均でMem0とMemoRAGを上回る
  • FactKGで全文コンテキストの108分の1のトークン
  • 訓練と評価のコードと公開モデル付き

気になる点

  • クイックスタートに80 GBのGPUが必要
  • 公開モジュールはQwen3-8B専用
  • 本番用ライブラリではなく研究用コード
  • プレプリントで査読前

おすすめの人

アシスタントやエージェントの長期記憶を探り、実験用の大きなGPUを持つ研究者やMLエンジニア。

Memorilla:よくある質問

Memorillaは使う価値があるか?
Memorillaは長期記憶への巧みな答えで、わずかなトークンで検索型の手法を上回りますが、今のところ80 GBのGPUを要する研究用コードです。 評価は5点満点中3.8点です。
Memorillaの料金は?
無料のオープンソース(Apache 2.0)。
Memorillaの欠点は?
クイックスタートに80 GBのGPUが必要; 公開モジュールはQwen3-8B専用; 本番用ライブラリではなく研究用コード; プレプリントで査読前.
Memorillaは誰に向いているか?
アシスタントやエージェントの長期記憶を探り、実験用の大きなGPUを持つ研究者やMLエンジニア。
チームや本番環境でMemorillaを使うと費用はいくらか?
コードは無料。訓練と評価は80 GBのH100 GPUで行われました。
Memorillaは企業データを扱っても安全か?
自分のGPUで動作。Apache 2.0。

回答確認日:2026年11月15日