Паметта като подбор на доказателства
Синю Джан и Уейуей Сун публикуваха на 26 октомври 2026 г. изследването Agent Memory as Recommendation. Предложеният AgentMemRec подбира спомени чрез извличане, научено подреждане и запълване на ограничен контекст. Изборът не използва заявки към езиков модел; това не означава, че целият асистент отговаря без такъв модел.
Авторите отчитат по-добри резултати спрямо разгледаните системи, като основният многосесиен тест включва 209 въпроса. Това е изследователска оценка, не независимо проверено превъзходство във всеки продукт. Разгледаните модели за отговор и условията на теста ограничават обобщението.
Защо наличният запис може да не стигне
Нашият редакционен пример е асистент, който трябва да помни уговорена среща. В един разговор е посочен денят, в друг — промяна на мястото, а в трети — условие кой ще потвърди участието. Ако се извлече само най-подобният запис, отговорът може да изглежда правдоподобен, но да пропуска съществена част. Примерът е измислен за обяснение, не е взет от участник в изследването.
Така въпросът се измества от „намерен ли е свързан текст“ към „събрано ли е нужното за този отговор“. Подборът има бюджет: повече съдържание заема място и може да донесе противоречия. Според нас добрата оценка трябва да показва и кои необходими записи са пропуснати, вместо да разчита само на обща оценка за готовия отговор.
Какъв контекст дава LongMemEval
Официалното хранилище на LongMemEval описва 500 въпроса за дългосрочната памет на разговорни асистенти. Проверяват се извличане на информация, свързване на няколко сесии, времеви зависимости, обновяване на знания и въздържане от отговор при липса на основание. Това е по-широк набор от способности от намирането на един запомнен факт.
Хранилището посочва и почистено издание на разговорните истории. Затова името на набора само по себе си не е достатъчно описание на експеримент. Версията, вариантът на историята и начинът за оценяване имат значение за сравнимостта. Днешното изследване използва подмножество за основния многосесиен резултат; не превръщаме неговите 209 въпроса в пълните 500.
Другият набор проверява дълги разговори
LoCoMo, представен от авторите си за ACL 2024, включва десет дълги разговора с анотации за въпроси и отговори, обобщаване на събития и мултимодален диалог. Структурата пази сесии и времеви отметки. Това е отделен изследователски контекст, не десет реални клиентски внедрявания.
Нашият извод е, че успех в тези задачи не бива автоматично да се разширява до правото на агент да променя записи или да изпълнява външни действия. Паметта може да подпомогне отговора, но текущото разрешение трябва да бъде проверено отделно. Старо съобщение за намерение не е непременно валидна заповед днес.
Какво бихме проверили преди употреба
В предложен от нас пилот бихме сравнили еднакъв модел за отговор с различни начини за подбор при равен контекстен бюджет. Бихме отделили разхода за подготвяне на паметта от разхода за всеки въпрос и бихме запазили изходните доказателства към отговора. Тези тестове не са проведени от SIExpo.
Особено полезни биха били задачи с поправен факт, отменена уговорка и липсваща информация. При тях убедителният език не е критерий за успех. Нужно е да се вижда защо старият запис е приложим или неприложим и дали системата признава празнината. Новата работа предлага конкретна идея за по-ефективен подбор; надеждността на цялата памет остава по-широка задача от избора на подходящи фрагменти.
*AI илюстрация: концептуална редакционна визия, не документална снимка или действителен екран от продукта.*
*Редакционна проверка: 2026-10-27T17:52:17.649720+00:00.*
