Goal-Mem: Ragionamento Orientato agli Obiettivi per la Memoria RAG negli Agenti LLM
Goal-Mem è un nuovo framework progettato per superare le limitazioni della memoria basata su RAG negli agenti conversazionali LLM. Le tecniche attuali solitamente recuperano la memoria valutando la similarità semantica con gli input dell'utente, il che può portare a prove irrilevanti o inadeguate per compiti di ragionamento multi-hop o di senso comune. Invece di espandersi gradualmente dal contesto recuperato, Goal-Mem utilizza un esplicito backward chaining a partire dall'enunciato dell'utente come obiettivo. Questo framework è presentato in un articolo disponibile su arXiv (2605.12213) e mira a migliorare il comportamento coerente nei sistemi agenziali per periodi prolungati.
Fatti principali
- Goal-Mem è un framework di ragionamento orientato agli obiettivi per la memoria agenziale basata su RAG.
- Esegue un esplicito backward chaining a partire dall'enunciato dell'utente come obiettivo.
- I metodi esistenti recuperano la memoria basandosi sulla similarità semantica con gli enunciati grezzi dell'utente.
- I metodi esistenti spesso restituiscono prove irrilevanti o insufficienti per un ragionamento fondato.
- Il framework affronta le sfide del ragionamento multi-hop e di senso comune.
- L'articolo è disponibile su arXiv con ID 2605.12213.
- Gli agenti conversazionali basati su LLM faticano a mantenere un comportamento coerente su lunghi orizzonti temporali.
- Gli approcci basati su RAG memorizzano le interazioni in moduli di memoria esterni.
Entità
Istituzioni
- arXiv