ИССЛЕДОВАНИЕ · RESEARCH · #928
EnSIMem: структурированная по сущностям долговременная память для агентов (arXiv:2609.27279v1)
EnSIMem — архитектура долговременной памяти, которая офлайн формирует индексы, основанные на диалогах, в виде [сущность][тип][свойство:значение], сохраняет исходные реплики, временные метки и мультимодальные поля и группирует взаимодействия в тематические эпизоды. Во время работы система декомпозирует запросы на требования к доказательствам, сопоставляет их с индексом, извлекает необходимые данные по сущностям и свойствам и генерирует ответы на основе исходных доказательств; в статье приводятся результаты с высокой точностью ответов и компактными, эффективными контекстами, код опубликован на GitHub.
КЛЮЧЕВЫЕ ТЕЗИСЫ
- EnSIMem — архитектура долговременной памяти, которая офлайн формирует индексы, основанные на диалогах, в виде [сущность][тип][свойство:значение], сохраняет исходные реплики, временные метки и мультимодальные поля и группирует взаимодействия в тематические эпизоды.
- Во время работы система декомпозирует запросы на требования к доказательствам, сопоставляет их с индексом, извлекает необходимые данные по сущностям и свойствам и генерирует ответы на основе исходных доказательств; в статье приводятся результаты с высокой точностью ответов и компактными, эффективными контекстами, код опубликован на GitHub.
- Структурирование памяти по сущностям и свойствам с эпизодной провенансой позволяет точнее извлекать данные и формировать ответы, основанные на доказательствах, для долгоживущих агентов.
ПОЧЕМУ ЭТО ВАЖНО
Структурирование памяти по сущностям и свойствам с эпизодной провенансой позволяет точнее извлекать данные и формировать ответы, основанные на доказательствах, для долгоживущих агентов.