تا به حال فکر کردید که ایجنتهای هوش مصنوعی چطور حافظهشان را اصلاح میکنند؟ معمولاً این اصلاحات فقط بر اساس متن خروجی انجام میشود، اما محققان به تازگی فریمورک جذابی به نام AGMR معرفی کردهاند که فراتر میرود.
این روش با تحلیل «سیگنالهای مکانیکی» و الگوی توجه (Attention) مدل، دقیقاً میفهمد که ایجنت در چه مرحلهای از کدام بخشِ حافظهاش استفاده کرده است. این کار باعث میشود اصلاح حافظه بسیار هدفمندتر انجام شود، خطاهای غیرواقعی (Hallucination) کاهش یابد و کارایی کلی ایجنت در کارهای تصمیمگیری به شدت افزایش پیدا کند. 🚀
این یک قدم مهم برای هوشمندتر کردن ایجنتهای خودمختار است که نیاز به حافظهای قابلاعتماد و بهینه دارند.
منبع: arXiv AI