محققان در یک مطالعه جدید متوجه شدند که وقتی صحبت از «حافظه بلندمدت» برای مدلهای هوش مصنوعی (LLMs) میشود، برخلاف تصور رایج، ذخیرهسازی متنهای اصلی (Verbatim chunks) بسیار بهتر از تبدیل آنها به «آرتیفکتهای ساختاریافته» یا خلاصههای استخراجی عمل میکند.
نتایج این تحقیق نشان میدهد که سیستمهای مبتنی بر استخراجِ ساختار، دچار «اتلاف اطلاعات» (Lossy distillation) میشوند و دقت مدل را کاهش میدهند. پیشنهاد نهایی این مطالعه این است که برای داشتن بهترین عملکرد، بهتر است ساختارها را «در کنار» متن اصلی استفاده کنید، نه به عنوان جایگزین آن. این یک یافته کلیدی برای توسعهدهندگان سیستمهای RAG و مدیریت حافظه مدلهاست. 💡
منبع: arXiv NLP