تواجه أنظمة الذاكرة الطويلة الأمد (Long-Term Memory) في النماذج اللغوية (Language Models) تحديات كبيرة، حيث تركز معظم الأنظمة على تخزين الحقائق واسترجاعها دون الاهتمام بكيفية كتابة المعلومات. اليوم، نقدم لكم AdaMem، نظام يغير قواعد اللعبة عبر استخدام سياسات كتابة ذاكرة قابلة للتكيف (Adaptive Memory Policies).

تسعى AdaMem إلى تحسين تجربة المستخدم من خلال تخصيص المعلومات التي يتم تخزينها بناءً على الأنشطة الحالية، والمواضيع، والشخصيات التي يتفاعل معها المستخدم. فبدلاً من استخدام نهج موحد لتحديد ما تستحقه الذاكرة، تعتمد AdaMem على تفضيلات المستخدم المتغيرة، مما يجعل كل تفاعل فريداً.

تم تقييم AdaMem من خلال مجموعة من الاختبارات التي تُعرف باسم AdaMem-Bench، حيث خضعت ست شخصيات تفاعلية لقصص مختلفة على مدى عشرة أسابيع. أظهرت النتائج أن AdaMem تمكنت من تحسين دقة استرجاع المعلومات من 80.0% إلى 84.35% مع تقليل الذاكرة الدائمة بنسبة 9.27%. هذا التحسن ملحوظ، ويعكس الفائدة الكبيرة للتغذية الراجعة المباشرة في تحسين استراتيجيات كتابة الذاكرة.

يمثل AdaMem بوضوح وعدًا كبيرًا في تطوير أنظمة كتابة ذاكرة أكثر فعالية وقابلية للتكيف، ولكن لا تزال هناك بعض التحديات في ضمان سلوك كتابة انتقائي موثوق. يعد هذا الابتكار خطوة أخرى نحو تصميم وكلاء ذكاء اصطناعي (AI Agents) أكثر كفاءة وذكاءً.

لمعرفة المزيد، يمكنك زيارة مسار GitHub الخاص بالمشروع.

ما رأيكم في هذا التطور المثير؟ هل تعتقدون أن هذه الأنظمة ستحدث تغييرًا في طريقة تفاعلكم مع الأجهزة الذكية؟ شاركونا آراءكم في التعليقات!