ZenBrain: A Neuroscience-Inspired 7-Layer Memory Architecture for Autonomous AI Systems
Datum
Mai 2026
Veröffentlichungsform
Open-Access-Preprint (arXiv) und Open-Access-Publikation mit DOI (Zenodo)
Zusammenfassung (Kurzfassung)
Diese Arbeit stellt eine sieben-Schichten-Memory-Architektur für autonome KI-Systeme vor, deren Designprinzipien aus der kognitiven Neurowissenschaft hergeleitet sind. Die Architektur integriert Working Memory, Short-Term Memory, Episodic Memory, Semantic Memory, Procedural Memory, Core Memory sowie Cross-Context Memory in einem einheitlichen System. Konsolidierung erfolgt in Anlehnung an Sleep-Replay-Mechanismen mit Hebbian-getriebener Verstärkung und Ebbinghaus-getriebenem Decay. Die Architektur ist als modulare Open-Source-Bibliothek unter Apache 2.0 verfügbar und wird in produktiven Anwendungen eingesetzt. In der Evaluation auf LongMemEval-500 mit drei unabhängigen LLM-Judges gewinnt sie alle zwölf Head-to-Head-Vergleiche gegen Letta, Mem0 und A-Mem und erreicht 91,3 % der Long-Context-Oracle-Genauigkeit bei 1/106 des Token-Budgets (Bonferroni-korrigiert, p ≤ 6,2·10⁻³¹).
Der vollständige wissenschaftliche Abstract sowie die formale Darstellung der Methoden und Resultate stehen im Preprint und in der DOI-Version zur Verfügung.
Zugang