Új memória-rendszerrel javítanák a nagy nyelvi modellek feladatmegoldó képességét

Az arXiv kutatói bemutatták az AdMem nevű új memória-keretrendszert, amely a nagy nyelvi modellek (LLM) feladatmegoldó képességét hivatott javítani. A rendszer célja, hogy az LLM-ek képesek legyenek hatékonyan tárolni, rendszerezni és felhasználni tudásukat hosszú távú feladatok során, ami jelenleg korlátjuk.

Több memóriatípus egy rendszerben

Az AdMem egy egységes, automatikus memóriakeretet hoz létre, amely ötvözi a szemantikus, epizodikus és procedurális memóriát. Ez egy kétszintű kialakítást követ, amely rövid és hosszú távú tárolókat is magában foglal. A kutatók egy többügynökös architektúrát is kifejlesztettek, amelyben színész-, memória- és kritikusügynökök dolgoznak együtt az automatikus memória-generálás, jutalmazásos annotálás és adaptív lekérés érdekében.

Kapcsolódó: LLM-ek fejlesztése

Skálázhatóság és folyamatos fejlődés

A hosszú távú memóriát jutalomalapú értékeléssel, összevonással és metszéssel kezelik, ami biztosítja a rendszer skálázhatóságát és folyamatos fejlődését. Ez azt jelenti, hogy a modell nemcsak a sikeres próbálkozásokat, hanem a kudarcokat is figyelembe veszi, és ehhez igazítja memóriakezelését.

Kapcsolódó: önfejlesztő memória

Javuló teljesítmény a tesztek szerint

Különböző környezetekben végzett kísérletek kimutatták, hogy az AdMem javítja a robusztusságot és a sikertességet a hosszú, többfordulós feladatokban a korábbi alapmodellekhez képest. Ez a munka rávilágít a komplex, adaptív memória fontosságára az LLM-alapú ügynökök fejlesztésében.

Kapcsolódó: LLM-fejlesztési folyamat

Előnyomtatott formában elérhető

A kutatás eredményei az arXiv-on érhetők el, a 2606.06787v1 azonosító alatt, 2026-ban.

Kapcsolódó: AI-oktatási rendszer