Zelf-evoluerend geheugen — waarom de volgende generatie AI-agents zichzelf moet verbeteren
AI & InnovatieElk AI-agentsysteem heeft geheugen nodig. Maar terwijl de opgeslagen kennis groeit en verandert, blijft de retrieval-infrastructuur bevroren in de configuratie van dag één. Tot nu toe.
Twee papers uit mei 2026 laten zien dat het anders kan — en moet. SimpleMem (3.400+ GitHub stars) en EvolveMem introduceren een fundamenteel nieuw paradigma: een geheugensysteem dat niet alleen onthoudt, maar zichzelf autonoom verbetert via een gesloten onderzoeksloop. En het draait volledig lokaal op Ollama.
Het probleem: bevroren retrieval
Kijk naar de state-of-the-art in agentgeheugen: MemGPT beheert working memory en long-term memory via tiered storage. Mem0 bouwt knowledge graphs. A-MEM maakt Zettelkasten-netwerken. SimpleMem comprimeert conversaties tot retrieval-vriendelijke eenheden.
Al deze systemen delen één aanname: de opgeslagen content evolueert, maar de retrieval-infrastructuur — scoringfuncties, fusiegewichten, contextbudgetten, antwoordstrategieën — blijft onveranderd sinds deployment. Een retrievalconfiguratie die gekalibreerd is voor een kleine geheugenbasis wordt suboptimaal naarmate die basis groeit naar honderden heterogene records.
De onderzoekers van UNC-Chapel Hill, UC Berkeley en UCSC formuleren het scherp: "een werkelijk adaptief geheugensysteem moet op twee niveaus evolueren — de opgeslagen kennis én het retrievalmechanisme dat die kennis bevraagt."
SimpleMem: drie systemen, één pakket
SimpleMem is in drie maanden uitgegroeid tot het meest complete open-source geheugenstack voor LLM-agents. Het bestaat uit drie componenten die nu in één package zitten:
SimpleMem (text core): Een drietraps pipeline die dialogen comprimeert tot semantisch lossless memory units. De cijfers liegen er niet om: 26,4% hogere F1 op de LoCoMo-benchmark ten opzichte van eerdere systemen, terwijl het inference-tokens met een factor 30 vermindert.
Omni-SimpleMem (multimodal): Dezelfde compressie-filosofie, maar nu voor tekst, beeld, audio én video. Het haalt state-of-the-art op LoCoMo (F1=0,613, +47%) en Mem-Gallery (F1=0,810, +51%). Opvallend: deze architectuur is niet handmatig ontworpen maar ontdekt door een autonome research-pipeline die 50 experimenten draaide, faalpatronen diagnosticeerde en zelfs datapipeline-bugs repareerde zonder menselijke tussenkomst.
EvolveMem (self-evolving retrieval): Het kroonjuweel. Waar SimpleMem en Omni-SimpleMem de content-evolutie oplossen, pakt EvolveMem het andere niveau aan: de retrieval-infrastructuur zelf.
EvolveMem: AutoResearch als product
EvolveMem is 's werelds eerste geheugensysteem dat zijn eigen retrieval-infrastructuur autonoom ontwikkelt via een gesloten onderzoeksloop. De architectuur is verbluffend elegant:
Evaluate → Diagnose → Propose → Guard → Repeat
In elke ronde:
- Evaluate: Het systeem draait het geheugen op een evaluatieset en schrijft per-vraag logs weg
- Diagnose: Een LLM leest de failure logs, categoriseert faalpatronen en identificeert root causes
- Propose: Het stelt gerichte configuratiewijzigingen voor — "schakel semantic search in", "activeer entity-swap voor categorie 5", "voeg query-decompositie toe voor multi-hop vragen"
- Guard: Een meta-analyzer valideert elke wijziging met automatische revert bij regressie en random exploratie bij stagnatie
Het resultaat op LoCoMo (GPT-4o backbone):
| Ronde | Wat gebeurde er | F1 | |-------|----------------|-----| | R0 | BM25-only (startpunt) | 30,5% | | R1 | Semantic view + RRF fusion | 35,8% | | R3 | Entity-swap voor adversarial vragen | 37,2% | | R5 | Query decomposition voor multi-hop | 38,1% | | R7 | Answer verification + cross-category tuning | 54,3% |
Van 30,5% naar 54,3% — een verbetering van 78% — volledig autonoom, in 7 rondes, zonder menselijke interventie. Ter vergelijking: MemGPT haalt 40,4%. SimpleMem zonder evolutie haalt 43,2%.
Het systeem ontdekte bovendien drie nieuwe configuratiedimensies die niet in het originele ontwerp zaten: entity-swap (stripped persoonsnamen uit queries), query-decompositie (splitst multi-hop vragen), en answer verification (tweede LLM-pass voor low-confidence antwoorden).
En het mooiste: op LoCoMo geëvolueerde configuraties transfereren positief naar MemBench — geen catastrofaal vergeten maar generaliseerbare retrieval-principes. Door-evolueren op MemBench levert zelfs 79,2% op, ruim beter dan scratch-evolutie (67,9%).
Soeverein: Ollama, Docker, MCP
SimpleMem is niet alleen academisch indrukwekkend — het is productierijp:
- Ollama-native:
LLM_PROVIDER=ollamaenOLLAMA_BASE_URL=http://localhost:11434/v1— alle data blijft lokaal - Docker:
docker compose up -den je hebt een volledige MCP-server - MCP-server: Plug-and-play met Claude Desktop, Cursor, LM Studio, en elke andere MCP-client
- PyPI:
pip install simplemem— één package voor tekst, multimodaal, én evolutie
Voor de Nederlandse overheid betekent dit: een state-of-the-art agentgeheugen dat volledig op eigen infrastructuur draait. Geen data naar de cloud, geen vendor lock-in, en volledige controle over het geheugen én de evolutie ervan.
Wat dit betekent voor compliance
Samen met ActiveGraph — dat de agent-log als bron van waarheid neemt — vormt SimpleMem/EvolveMem een compleet plaatje voor auditable AI:
- EU AI Act Artikel 50: EvolveMem's per-ronde configuratiesnapshots en per-vraag logs geven totale transparantie over hoe het systeem tot beslissingen komt
- BIO2: De
memory_eventstabel is een append-only audit-log van alle mutaties — precies wat security auditors willen zien - NIS2: Bij een security incident kun je exact reconstrueren welke herinneringen wanneer zijn opgehaald en waarom
- NORA: De MCP-interface maakt SimpleMem integreerbaar in elke overheidsarchitectuur
DjimIT ziet hierin een duidelijke lijn: de volgende generatie AI-systemen voor de overheid vereist zelf-evoluerend, auditeerbaar geheugen. De technologie is er. De regelgeving komt eraan. De combinatie van beide is onze consulting-opportunity.
SimpleMem is open source (Apache 2.0) op github.com/aiming-lab/SimpleMem. De EvolveMem paper is beschikbaar op arXiv:2605.13941. DjimIT helpt organisaties met het implementeren van compliant, soevereine AI-infrastructuur — neem contact op voor een verkenning.
AI & Security Intelligence
Wekelijkse nieuwsbrief met AI updates, security alerts en compliance inzichten — direct in uw inbox.
Doorlopend Advies
Wilt u structurele begeleiding op AI, security & compliance?
Met een Advisory Subscription heeft u een externe sparringpartner die meedenkt op strategisch en technisch niveau — zonder de overhead van een fulltime dienstverband. Vanaf €1.500 per maand, maandelijks opzegbaar.
Ontdek Advisory Subscription →