Az új Context Graph rendszer gyorsítja az AI-ügynökök működését — másodpercek alatt értesít
A Context Graph rendszer 47 perc helyett 30 másodpercnél is kevesebb idő alatt értesíti a felhasználókat a releváns üzleti változásokról, miközben a hibaráta 11 százalék alá csökken.
A kutatók új módszert dolgoztak ki, amellyel az eddig csak reagáló AI-ügynökök proaktívvá válnak. A Context Graph nevű rendszer képes előre jelezni és jelezni a felhasználók számára a releváns, cselekvésre alkalmas információkat, még mielőtt azok maguk kérdeznének. Ez jelentős előrelépés a vállalati termelékenység növelésében — írja az arXiv.
A Context Graph rendszer egy élő, relációs adatstruktúrát használ, amely modellezi az üzleti entitásokat, azok kapcsolatait és az időbeli állapotváltozásokat. A rendszer kulcskomponensei a Delta Detection Engine, a Proactivity Scorer és az LLM-alapú Surfacing Layer, amelyek együttesen biztosítják a gyors és releváns értesítéseket.
Kapcsolódó: AI-ügynökök adatelemzés
A proaktivitás mérése és eredményei
A kutatásban formalizálták a rendszer minden komponensét, és kidolgoztak egy egységes Proactivity Score funkciót. A rendszer végponttól végpontig tartó Python implementációját a NetworkX és az Anthropic Claude API segítségével hozták létre. Három általános üzleti esettanulmányon — szerződéses életciklus-kezelés, mérnöki incidensreagálás és értékesítési folyamatok higiéniája — végeztek értékelést.
Kapcsolódó: Anchor rendszer bemutatása
Az eredmények szerint a Context Graph alapú proaktivitás 0,83-as Precision@5 mutatót ért el, 0,11-es hamis riasztási rátával. Ez drámai javulást jelent a korábbi, 47 perces átlagos válaszidőhöz képest, amelyet most 30 másodperc alá csökkentettek.
Kapcsolódó: vállalati AI-ügynökök irányítása
A kutatók ugyanakkor felhívják a figyelmet, hogy az eredményeket három általános esettanulmányra alapozták, és azok független ellenőrzése még várat magára. A módszer skálázhatósága nagyobb, komplexebb vállalati környezetekben még teszteletlen.
Kapcsolódó: LLM útválasztási hibák
A tanulmányt az arXiv preprint szerveren tették közzé, a kutatók pedig a Stanford és a Google Robotics munkatársai. A modell nyilvánosságra hozatalának időpontja március végére tehető.
Kapcsolódó: kontextus-degradáció megoldása