LLMメモリにおける空間的メタファー：MemPalaceアーキテクチャの批判的分析

概要: MemPalace は、長期記憶を整理するために、大規模言語モデル向けの長期記憶を編成するのに古代の方法である loci（メモリ宮殿）を空間的な比喩として適用するオープンソースの AI メモリシステムです。2026年4月に公開され、最初の2週間で GitHub スターを 47,000 以上集めました。そして、書き込み時に LLM 推論を一切必要とせず、LongMemEval ベンチマークで最先端の検索性能（96.6% Recall@5）を達成したと主張しています。独立したコードベース解析、ベンチマークの再現、競合システムとの比較を通じて、MemPalace の主な検索性能は、空間的な組織化の比喩そのものではなく、（ChromaDB のデフォルト埋め込みモデルである all-MiniLM-L6-v2 と組み合わさった）逐語的な保存（verbatim storage）という哲学に主に起因すると分かりました。宮殿の階層（Wings→Rooms→Closets→Drawers）は、メタデータによる標準的なベクトルデータベースのフィルタリングとして機能しており、有効ではあるものの確立された手法です。しかし、MemPalace には本当に新規な貢献がいくつかあります。 (1) 抽出（extraction）型の競合に挑む、反対の立場を取った逐語的・前置き（verbatim-first）の保存哲学、(2) 4層からなるメモリスタックによる非常に低いウェイクアップコスト（約170トークン）、(3) 完全に決定論的でゼロ-LLM 書き込みパスにより、APIコストをゼロにしてオフライン動作を可能にすること、そして (4) AIメモリシステムのための組織原理として空間的記憶の比喩を最初に体系的に適用したことです。また、競争環境は急速に変化しており、Mem0 の 2026年4月のトークン効率化アルゴリズムによって、彼らの LongMemEval スコアはおよそ49%から93.4%へと引き上げられ、抽出型と逐語型のアプローチのギャップが狭まってきています。分析の結論として、MemPalace は誇張された主張に包まれた重要なアーキテクチャ上の洞察を表している、ということです――これは、マーケティングのスピードが科学的厳密さを上回ることが多い、急速に採用されるオープンソースプロジェクトに共通するパターンです。