Több mint 10%-kal pontosabbak a beszélgető AI-k az új memóriakezelővel
A SALIMORY keretrendszer egyetlen modellben kezeli a felhasználói tényeket, preferenciákat és a munkamemóriát, így harmadával csökkenti a hibákat.
Új keretrendszerrel javítanák a beszélgető AI-k memóriakezelését a kutatók. A SALIMORY nevű módszer egyetlen nyelvi modellt tanít a felhasználói tények, preferenciák és a munkamemória kezelésére, ami a korábbi megoldásokkal szemben kiküszöböli a többlépcsős folyamatokban jelentkező hitelrontási problémát.
A hagyományos módszerekkel a beszélgető ügynökök memóriájának bővítése rontja a minőséget, míg a megerősítéses tanulás nehézkes. A SALIMORY hierarchikus, szakaszos jutalmazási rendszert és kontrasztív finomhangolást használ, ami elkülönített felügyeletet biztosít a szelektív szűrés, konszolidáció és kulcsvezérelt visszahívás műveleteihez.
Kapcsolódó: AI-ügynökök fejlesztése
Hatékonyabb memóriahasználat
A keretrendszer egyharmaddal csökkenti a memóriához kapcsolódó hibákat. Ez azt jelenti, hogy a chatbotok kevésbé felejtenek el korábbi információkat, és következetesebben tudnak válaszolni a felhasználói kérdésekre.
Kapcsolódó: LLM-memória finomhangolás
Pontosabb válaszok
A SALIMORY több mint 10%-kal múlja felül a jelenlegi legjobb megoldásokat a végpontok közötti pontosságban. Emellett több mint megduplázza a személyre szabott válaszok arányát, ami a felhasználói élmény szempontjából is jelentős előrelépést jelent. A kutatás eredményeit az arXiv-en tették közzé, előnyomtatott formában.
Kapcsolódó: AI-ügynökök működése