Enquanto os LLMs continuam a evoluir, eles ainda enfrentam dificuldades com a memória. A startup Mem0 está trabalhando para mudar isso, construindo a camada de memória para agentes de IA. Neste episódio do Founder Firesides, Nicolas Dessaigne, da YC, conversou com os cofundadores Taranjeet Singh e Deshraj Yadav para discutir por que os agentes precisam de memória persistente para melhorar ao longo do tempo, como a Mem0 reduz custos e latência em comparação com o preenchimento de contexto nativo, e por que a memória deve permanecer neutra entre os modelos à medida que a IA se torna mais orientada a agentes.
Capítulos:
00:05 O Que É Mem0?
00:49 Tração & Adoção de Código Aberto
01:24 Por Que A Memória Melhora Os Agentes De IA
02:01 Economizando Custos e Latência
02:31 Origens dos Fundadores & Mudança da YC
05:13 Como A Mem0 Funciona Por Dentro
06:04 Arquitetura de Memória Híbrida
07:10 Regras de Memória Personalizadas & Expectativas
08:00 Casos de Uso no Mundo Real
10:05 Competindo Com Memória Nativa do Modelo
11:48 Captação de Recursos & O Que Vem A Seguir