La Selezione Causale della Memoria Migliora gli Agenti LLM a Lungo Termine
Un nuovo articolo su arXiv propone Causal Memory Intervention (CMI), una tecnica per agenti LLM a lungo termine che seleziona i ricordi in base al loro effetto causale sulle prestazioni del compito, anziché basarsi sulla similarità semantica. Gli autori introducono Causal-LoCoMo, un benchmark con dati conversazionali annotati causalmente che include ricordi utili, distrattori irrilevanti e ricordi sinteticamente dannosi. CMI viene confrontato con metodi di recupero basati su vettori e grafi.
Fatti principali
- CMI stima come i ricordi candidati influenzano le risposte del modello sotto interventi controllati.
- Il benchmark Causal-LoCoMo è derivato da dati conversazionali lunghi.
- I ricordi possono essere topicamente correlati ma irrilevanti, obsoleti o fuorvianti.
- I sistemi di memoria esistenti trattano i ricordi recuperati come uniformemente utili.
- CMI sopprime ricordi instabili, irrilevanti o dannosi.
- L'articolo è disponibile su arXiv con ID 2605.17641.
- CMI viene confrontato con metodi basati su vettori e grafi.
- L'approccio è mirato ad agenti LLM a lungo termine con memoria persistente.
Entità
Istituzioni
- arXiv