AIエージェントとコンテキストグラフインフラストラクチャ

2つのスレッドがエージェントアーキテクチャとインフラストラクチャについて詳述しています。
Key insights
MiroThinker 1.5は効率的なオープンソース研究エージェントとして位置付けられる
MiroThinker 1.5は、30Bパラメータモデルを使用した高性能なオープンソース研究エージェントとして紹介されており、1Tパラメータクラスのモデルを上回る性能を示しています。このプロジェクトは、低い推論コスト($0.07と引用)、自動化されたワークフローによる検索、仮説立て、証拠収集、検証、反復、マルチステップの自己修正、長期的なコンテキストメモリ、そしてv1.5でのタスクごとに最大400のツールを呼び出す能力を強調しています。
MiroThinkerはメモリ管理されたマルチラウンド推論とツールオーケストレーションを実装
MiroThinkerは、メモリ管理されたマルチラウンド推論を使用し、最近の5つのコンテキストを保持しながら、無関係な履歴を整理して情報の整合性と低リソース使用を維持します。このエージェントは、自動情報発見、自己修正を伴うマルチステップ計画、広範なシーケンスにわたるツールの呼び出し/実行をサポートし、研究レベルのタスクに対して再帰的かつ階層的な推論を可能にします。
コンテキストグラフはエンタープライズエージェントの次世代データプラットフォームとして位置付けられる
GleanのCEOであるArvind Jainは、エンタープライズエージェントには、実際の作業プロセスを理解するために「コンテキストグラフ」が必要であると主張しました。彼は、コンテキストグラフが編集、承認、コミュニケーションによって残された運用の「どのように」を捉えることで、エージェントがプロセス信号からビジネスの意図を推測し、複雑なワークフローをナビゲートできるようにすることを説明しました。
コンテキストグラフの構築には深い可視性と原子的な活動データが必要
Arvind Jainは、コンテキストグラフを構築するための3つの技術的障壁を特定しました:アプリケーション全体のフルチェーン可視性、タイムスタンプ付きの原子的な活動データ(編集、コメント、メッセージ)の記録、およびノイズの断片から信号を抽出して顧客のオンボーディングや製品のローンチなどの一貫した作業イベントを認識することです。彼は、エージェントがタスクを信頼性高く実行するために必要なコネクタ、インデックス、グラフ、メモリのスタックを概説しました。
高いツール呼び出し能力が再帰的な研究ワークフローを可能にする
MiroThinker v1.5のタスクごとに最大400のツールインタラクションを実行する能力は、再帰的で階層的な推論チェーンを構築するメカニズムとして位置付けられています:計画 → 検索 → 検証 → 修正 → 繰り返し。この能力は、多様な情報源やツールセットにわたる持続的な自律的調査をサポートします。
メモリポリシーは最近性と信号の保存を強調
MiroThinkerは、最近の5つの会話コンテキストを保持しながら、無関係な履歴を整理してリソース使用を低く抑え、情報の整合性を維持するメモリ管理を適用しており、過剰なノイズを保持せずに反復検証をサポートします。