في عالم الذكاء الاصطناعي، تسعى نماذج اللغة الضخمة (LLMs) إلى تحقيق أفضل أداء ممكن أثناء تفاعلها في محادثات طويلة. ومع ازدياد كمية المعلومات المتراكمة، تزداد الحاجة إلى أنظمة ذاكرة ذكية تميز بين المعلومات الهامة وغير المهمة. هنا يظهر CAMeR (تعزيز الذاكرة النشطة بواسطة الكلمات المفتاحية) كحل مبتكر لمشكلة الاحتفاظ بالمعلومات.

يستخدم CAMeR آلية فريدة تجمع بين تنشيط رمزي (Jaccard على مستوى الكلمات) وتحت رمزي (كوساين التضمين) لتحقيق توازن مثالي في تفعيل الذاكرة. يقوم هذا النظام بحساب درجة تشابه هجينة لكل زوج من الذاكرة والاستعلام، مما يسمح بتعزيز الذكريات التي تتجاوز عتبة معينة مع ضمان أن تخضع جميع الذكريات لعملية تدهور مُراقب.

عبر اختبار CAMeR-Bench - معيار مكون من 76 ذاكرة و100 جولة موزعة على ثمانية مجموعات موضوعية - يظهر هذا النظام تفوقًا ملحوظًا في الاحتفاظ بالمعلومات مقارنة بأساليب الاحتفاظ التقليدية. فقد حقق CAMeR زيادة بنسبة 1.6× في الفجوة بين الذكريات عالية التردد والذكريات غير المرجع إليها بالمقارنة مع الأنظمة الأخرى في السوق.

ولعل المثير للاهتمام أن النظام قلل من عدد التوكنات المستخدمة بنسبة 83.2% مقارنة بالطرق القديمة. هذا يعني أنه يمكن لنماذج اللغة أن تعمل بكفاءة أكبر مع استخدام موارد أقل. من خلال 8 ظروف تحليلية، ثبت أن آلية التحكم بالكلمات المفتاحية هي المحرك الرئيسي للأداء في هذا السياق.

يمثل CAMeR نقلة نوعية في كيفية احتفاظ الذكاء الاصطناعي بالمعرفة، ويعطي الأمل في تحسينات متقدمة تعزز تجربة المستخدم وترفع من كفاءة الأداء. كيف تبدو رؤيتكم لهذه التكنولوجيا الجديدة؟ شاركونا في التعليقات!