ระบบเสริมหน่วยความจำเดิมมักดึงข้อมูลจากสระข้อมูลแบนแบน (flat pool) โดยจัดอันดับตามความเกี่ยวข้อง ความสำคัญ หรือความใหม่ ไม่ได้สร้างโมเดลโครงสร้างลำดับชั้นหรือความถูกต้องที่เปลี่ยนแปลง ทำให้มักนำหน่วยความจำที่เกี่ยวข้องแต่ล้าสมัยหรือขัดแย้งมาใช้ โดยเฉพาะหน่วยความจำส่วนบุคคลที่ไม่สอดคล้องกับข้อตกลงทีมปัจจุบัน
HiCoMER แก้ปัญหานี้ด้วยสามส่วนประกอบ: Hierarchical Memory Conflict Updater สำหรับอัปเดตความขัดแย้งระหว่างหน่วยความจำทีมและบุคคล Validity-Aware Memory Retriever ที่ดึงเฉพาะหน่วยความจำที่ยังคงถูกต้อง และ Memory-Grounded Answer Generator ที่สร้างคำตอบอิงจากหน่วยความจำที่ผ่านการตรวจสอบแล้ว
ทีมสร้างชุดข้อมูลใหม่สองชุดสำหรับทดสอบการตอบคำถามอิงหน่วยความจำในสถานการณ์ร่วมงาน ผลทดสอบแสดงว่า HiCoMER เกินกว่าบรรทัดฐานที่แข็งแกร่ง โดยลดการดึงข้อมูลล้าสมัย รักษาข้อตกลงทีมปัจจุบัน และปรับปรุงคุณภาพการตอบคำถามได้อย่างต่อเนื่อง
ประวัติการส่งบทความ
Yufei Shi ส่งเวอร์ชันแรก (v1) วันที่ 9 กันยายน 2569 เวลา 19:40 น. UTC ขนาดไฟล์ 345 KB
ศัพท์ที่ควรรู้
- HiCoMER – กรอบงานจัดการหน่วยความจำร่วมงานแบบลำดับชั้นที่คำนึงถึงความถูกต้องสำหรับเอเจนต์ LLM
- Hierarchical Memory – โครงสร้างหน่วยความจำที่แบ่งระดับ เช่น หน่วยความจำทีม (ระดับสูง) และหน่วยความจำบุคคล (ระดับต่ำ)
- Validity-Aware Retrieval – การดึงข้อมูลที่ตรวจสอบความถูกต้องก่อน ให้เฉพาะข้อมูลที่ยังคงสอดคล้องกับสถานการณ์ปัจจุบัน
- LLM Agents – ตัวแทนอัจฉริยะที่ใช้โมเดลภาษาขนาดใหญ่เป็นแกนหลังในการคิด วางแผน และกระทำ
- Collaborative Memory – หน่วยความจำที่สร้างและใช้ร่วมกันในทีม ประกอบด้วยข้อตกลง โปรโตคอล และความคืบหน้าร่วมกัน
- Memory-Grounded QA – การตอบคำถามที่อาศัยหน่วยความจำเป็นพื้นฐานแทนที่จะขึ้นอยู่กับความรู้ภายในโมเดลเพียงอย่างเดียว
ที่มา: arxiv.org