MARS: Memoria Gerarchica per Raccomandazioni Basate su LLM
Un nuovo framework chiamato MARS (Sistema di Raccomandazione Agentico con Memoria Aumentata) tratta la raccomandazione come un problema parzialmente osservabile, utilizzando uno stato di credenza strutturato per astrarre il comportamento rumoroso dell'utente in stime di preferenza compatte. Il sistema organizza la memoria in tre livelli: memoria degli eventi per segnali grezzi, memoria delle preferenze per blocchi mutabili con tracciamento di forza ed evidenza, e memoria del profilo per una narrazione coerente in linguaggio naturale. Introduce un ciclo di vita completo di sei operazioni—estrazione, rinforzo, indebolimento, consolidamento, dimenticanza e risintesi—per governare l'evoluzione della memoria. Questo approccio contrasta con le rappresentazioni di memoria piatte esistenti che confondono segnali effimeri con preferenze stabili. Il lavoro è pubblicato su arXiv con identificativo 2605.14401.
Fatti principali
- MARS sta per Sistema di Raccomandazione Agentico con Memoria Aumentata.
- Tratta la raccomandazione come un problema parzialmente osservabile.
- Il sistema mantiene uno stato di credenza strutturato con tre livelli di memoria: eventi, preferenze e profilo.
- La memoria delle preferenze include blocchi mutabili a grana fine con tracciamento esplicito di forza ed evidenza.
- La memoria del profilo distilla le preferenze in una narrazione in linguaggio naturale.
- Sei operazioni del ciclo di vita governano la memoria: estrazione, rinforzo, indebolimento, consolidamento, dimenticanza e risintesi.
- L'approccio affronta le limitazioni delle rappresentazioni di memoria piatte negli agenti LLM esistenti.
- L'articolo è disponibile su arXiv con ID 2605.14401.
Entità
Istituzioni
- arXiv