Как сообщили в пресс-службе МГУ, традиционные ИИ-ассистенты обычно сохраняют практически всю историю диалога без отбора и структурирования. Со временем это приводит к накоплению большого объема нерелевантных данных, что снижает качество поиска необходимой информации, ухудшает согласованность ответов и увеличивает нагрузку на систему.
Разработанная российскими исследователями архитектура выделяет управление долговременной памятью в отдельную интеллектуальную подсистему. Она самостоятельно определяет, какие сведения представляют ценность для дальнейшего взаимодействия с пользователем, а какие можно удалить, объединить или переработать.
При обработке нового запроса система сначала находит ранее сохраненные записи, связанные с текущей темой общения. Затем найденная информация преобразуется в компактный контекст, который передается языковой модели для формирования ответа. После завершения диалога подсистема анализирует новые данные и принимает решение, следует ли включать их в долговременную память.
Дополнительно разработчики реализовали механизм очистки и реорганизации памяти, устраняющий повторяющиеся и малозначимые записи. Это снижает уровень информационного шума и помогает поддерживать стабильное и последовательное поведение ИИ даже при длительном взаимодействии с пользователем.
По словам доцента кафедры алгоритмических языков факультета вычислительной математики и кибернетики МГУ Ларисы Кузиной, память искусственного интеллекта должна рассматриваться не как простой архив переписки, а как управляемая система, в которой сохраняется только наиболее значимая информация, а накопленные данные постоянно оптимизируются.
Предложенный подход может повысить качество персонализированных ИИ-ассистентов, сделать их ответы более релевантными и уменьшить объем вычислений, необходимых для обработки длинной истории общения.
Источник: https://tass.ru/nauka/27987431
Разработанная российскими исследователями архитектура выделяет управление долговременной памятью в отдельную интеллектуальную подсистему. Она самостоятельно определяет, какие сведения представляют ценность для дальнейшего взаимодействия с пользователем, а какие можно удалить, объединить или переработать.
При обработке нового запроса система сначала находит ранее сохраненные записи, связанные с текущей темой общения. Затем найденная информация преобразуется в компактный контекст, который передается языковой модели для формирования ответа. После завершения диалога подсистема анализирует новые данные и принимает решение, следует ли включать их в долговременную память.
Дополнительно разработчики реализовали механизм очистки и реорганизации памяти, устраняющий повторяющиеся и малозначимые записи. Это снижает уровень информационного шума и помогает поддерживать стабильное и последовательное поведение ИИ даже при длительном взаимодействии с пользователем.
По словам доцента кафедры алгоритмических языков факультета вычислительной математики и кибернетики МГУ Ларисы Кузиной, память искусственного интеллекта должна рассматриваться не как простой архив переписки, а как управляемая система, в которой сохраняется только наиболее значимая информация, а накопленные данные постоянно оптимизируются.
Предложенный подход может повысить качество персонализированных ИИ-ассистентов, сделать их ответы более релевантными и уменьшить объем вычислений, необходимых для обработки длинной истории общения.
Источник: https://tass.ru/nauka/27987431
Если вам понравился материал, кликните значок — вы поможете нам узнать, каким статьям и новостям следует отдавать предпочтение. Если вы хотите обсудить материал —не стесняйтесь оставлять свои комментарии : возможно, они будут полезны другим нашим читателям!
