XNews

ハインサイド:長寿命エージェントのためのメモリアーキテクチャ

ハインサイド:長寿命エージェントのためのメモリアーキテクチャ

ハインサイドは、4つの論理ネットワークとアクティブな反射を備えた長寿命エージェントのためのメモリアーキテクチャを提案します。 - メモリーネットワーク:世界の事実、エージェントの経験、エンティティの要約、進化する信念。 - コア操作:保持(新しい情報を取り込む)、想起(関連する断片を取得する)、反射(信念を更新する)。 - システムはメモリを積極的に推論し、信念を修正し、幻覚を減少させます。 - 実験結果:LongMemEvalで91.4%の精度を達成し、一部の長いシーケンスタスクにおいてフルコンテキストのGPT-4oを上回る性能を示しました。 - 再利用と探求のためにオープンソースコードとDeepWikiプロジェクトがリンクされています。

Key insights

ハインサイドはメモリを推論の基盤として再構築する

ハインサイドは、メモリを世界の事実、エージェントの経験、包括的なエンティティの要約、進化する信念の4つのネットワークに構造化し、メモリを受動的なストレージではなく推論の基盤として扱います。このアーキテクチャは、信号を取り込み整理するための保持、正確で文脈に関連した記憶を取得するための想起、保存された項目を積極的に推論し信念を更新するための反射という3つの操作を定義しています。著者たちは、反射を誤った推論を更新し、長期的なエージェント学習を支援する修正メカニズムとして提示しています。

ハインサイドは高いベンチマーク性能とオープンソースリリースを報告

ハインサイドチームは、LongMemEvalで91.4%の精度を報告し、構造化されたメモリを通じて混乱や幻覚を減少させることで、特定の長期タスクにおいてフルコンテキストウィンドウを持つモデル(例:GPT-4o)を上回ることができると述べています。このプロジェクトとDeepWikiの実装はオープンソースとして公開され、コミュニティの採用のためのコードリポジトリが付随しています。

Source posts