في عالم الذكاء الاصطناعي، يتوجب على الروبوتات الحوارية أن تصبح رفقاء دائمين لنا، و لتحقيق ذلك يجب أن تتمتع بذاكرة دائمة تلازم جميع تفاعلاتها. لكن توسيع نوافذ السياق (context windows) فقط باستخدام الاسترجاع الخام قد يؤدي إلى تدهور جودة الاستدلال. علاوة على ذلك، يمكن أن يؤدي تدريب وكيل الذاكرة باستخدام التعلم المعزز التقليدي إلى اختناق كبير في توزيع الائتمان ضمن أنبوب متعدد المراحل.

لذا، تم تقديم سالي موري (SALI-MORY)، وهو إطار عمل يهدف إلى تدريب نموذج لغوي واحد لإدارة ذاكرة هيكلية معرفية تشمل حقائق المستخدم وتفضيلاته وذاكرته العملية. يقوم سالي موري بدمج مكافآت عملية معقدة بطريقة أعلى، مما يسمح بالإشراف المعزول على عمليات الذاكرة المختلفة مثل التصفية الانتقائية (selective filtering)، والتوحيد (consolidation)، والاسترجاع المعتمد على المؤشرات (cue-driven recall).

نتائج سالي موري مذهلة، حيث تقلل من الإخفاقات المنسوبة للذاكرة بنسبة الثلث، وتتفوق على حالة الفن بأكثر من 10% في الدقة الشاملة، وتضاعف أكثر من معدل التخصيص الجيد. هذه التطورات تشير إلى مستقبل مشرق للتفاعل بين البشر والآلات، مما يساعدهم على تقديم تجارب محادثة أكثر سلاسة وتفاعلية.