EvoMemState: stato di memoria in evoluzione per agenti personali

Abstract degli autori

La memoria a lungo termine consente agli agenti basati su modelli linguistici di grandi dimensioni (LLM) di fornire assistenza personalizzata continua, conservando le informazioni sugli utenti tra un’interazione e l’altra. I sistemi esistenti supportano questo processo estraendo, organizzando, aggiornando e recuperando fatti, ma in larga misura mantengono le memorie come fatti indipendenti. Questo paradigma incentrato sui fatti può trascurare il modo in cui i nuovi fatti aggiornano, circoscrivono o entrano in conflitto con quelli precedenti, lasciando implicite la loro applicabilità, il loro ruolo e la loro priorità rispetto alla richiesta corrente. In questo articolo presentiamo EvoMemState, un framework incentrato sullo stato che arricchisce i fatti persistenti con due stati complementari: gli Stati relazionali, che descrivono come i fatti restano validi e si relazionano tra loro man mano che la memoria evolve, e uno Stato di ragionamento, che determina come applicare questi fatti alla richiesta corrente. Nello specifico, EvoMemState è composto da tre elementi chiave: (i) l’induzione dello stato di memoria guidata da un’ontologia estrae Fatti persistenti e costruisce Stati relazionali che ne mantengono la validità, l’ambito e le relazioni in evoluzione; (ii) l’evoluzione dello stato basata sull’apprendimento per rinforzo incorpora in una policy l’esperienza nell’uso della memoria, generando uno Stato di ragionamento specifico per la richiesta; (iii) il ragionamento consapevole dello stato combina quindi i fatti pertinenti con i relativi Stati relazionali e con lo Stato di ragionamento generato, per guidare l’agente personale. Esperimenti approfonditi su benchmark di dialogo a lungo termine e di utilizzo della memoria dimostrano miglioramenti costanti rispetto ai sistemi di memoria esistenti, sia nella completezza del recupero sia nell’accuratezza delle risposte fondate sulla memoria. Il codice e i dettagli di implementazione sono disponibili all’indirizzo https://github.com/XMUDeepLIT/EvoMemState.git.