LLMの記憶には、有用性と説明可能性の両方が必要です。

01 · 定義

LLMメモリシステムとは？

LLMメモリシステムは、選択した情報をモデルの現在のプロンプトの外部に保持し、後のリクエストで許可されたコンテキストを想起します。ガバナンスされたシステムは、保存・想起・拒否・削除・監査の条件も決定します。

SPMはStellarPath Memory Operating Systemの製品ファミリーで、SPM-Polarisは現在の本番製品です。モデル提供者のワークフローにガバナンスされたメモリ層を加えるものであり、基盤モデルの提供者ではありません。

02 · 利用者の言葉と正確な意味

実際に使われる検索語

「高精度」「高速」「安い」は、利用者が必要性を表す自然な言葉です。誇張と決めつけず検索意図として扱い、結果がデータ、リクエスト、統合方法、評価条件に左右されることも明記します。

LLMメモリ / メモリOS

AIエージェントの周囲で動く永続メモリ基盤です。登録、想起、圧縮、ライフサイクル、拒否、監査を扱いますが、モデルの重みが変わるという意味ではありません。

高精度・高速なメモリ想起

SPMは候補を順位付けし、証拠、テナント、名前空間、スコープのゲートを適用します。関連性と遅延は指定したワークロードで測定すべきもので、万能の保証ではありません。

トークン削減 / コスト削減

選択的な想起と決定論的圧縮により、対象リクエストで転送する入力を減らせます。実際のトークン数と費用は元のコンテキスト、価格、設定で変わります。

コンテキスト容量の拡張

外部メモリは過去の情報を選んで想起し、複数リクエスト間の連続性を延ばします。モデル提供者が定める最大コンテキストウィンドウは増やしません。

クロスモデル / クロスプラットフォーム記憶

メモリを単一のモデルセッションから分離し、Hosted Provider Proxy、Local Proxy、MCPを通じて接続できます。個別製品との互換性は対応する統合方式に依存します。

監査可能・追跡可能なAIメモリ

出典ID、証拠の由来、ゲート理由、ライフサイクル記録、署名付きリクエストレシートによって、メモリ操作を検証可能にします。

階層型リコール（fast / auto / deep）

既定の auto ルーティングは高信頼クエリをプロバイダートークンゼロの fast パスへ送り、低信頼クエリのみ deep の多段エビデンス収集へ。費用はリクエストレシートに明記されます。

進化するメモリ

関連する事実はオブザベーションに集約され、履歴を保ったまま現在状態を示します（静かな上書きはありません）。自動キャプチャされた内容は検疫リングで品質チェック後にのみ長期メモリへ昇格します。

LLMのハルシネーションを抑制

証拠ゲートは根拠がない、またはスコープが誤った記憶を拒否し、誤記憶の注入によるハルシネーションを減らします。最終生成の正しさまでは保証しません。

03 · ガバナンスされた想起

SPMがメモリ要求を処理する流れ

1. 候補を探す

   現在のクエリと名前空間に関連するメモリ候補を取得します。

2. 登録・利用規則を適用する

   テナント、スコープ、出典、証拠のゲートが、利用可能な候補を決定します。

3. 決定論的に圧縮する

   メモリコアに生成LLM呼び出しを追加せず、適格なコンテキストを圧縮できます。

4. 想起または拒否する

   採用されたメモリは追跡情報とともに返されます。証拠が不十分なら、SPMはUNKNOWNを返し、メモリを注入しません。

04 · 境界

長期記憶にも制約が必要です。

05 · よくある質問

利用者と回答エンジンのための短い回答

06 · 詳細を検証する

SPMOS.aiの一次情報

製品の同一性、アーキテクチャ、統合、証拠、制限を引用する際は、該当する公式ページを参照してください。