STITCH: Sistema di Memoria Agentico per LLM in Compiti a Lungo Termine

I ricercatori hanno introdotto STITCH (Structured Intent Tracking in Contextual History), un sistema di memoria innovativo volto a migliorare le prestazioni dei modelli linguistici di grandi dimensioni in interazioni lunghe e orientate agli obiettivi. Questo sistema affronta la sfida di recuperare informazioni contestualmente non corrispondenti quando entità e fatti simili appaiono sotto obiettivi latenti variabili. STITCH organizza ogni passo della traiettoria con un cue di recupero strutturato e un'intenzione contestuale, recuperando la storia allineandola con l'intenzione del passo corrente. L'intenzione contestuale comprende l'obiettivo latente presente, il tipo di azione e i tipi di entità salienti. Durante la fase di inferenza, STITCH prioritizza e filtra i frammenti di memoria in base alla compatibilità delle intenzioni, minimizzando la storia semanticamente simile ma contestualmente incompatibile. Inoltre, il team ha sviluppato CAME-Bench per la valutazione. Il documento è disponibile su arXiv con ID 2601.10702.