تحقیقات اخیر در دانشگاه ملی سنگاپور، یک قابلیتی جدید به نام MRAgent ارائه داده که میتواند به خوبی ضعفهای موجود در سیستمهای هوش مصنوعی را برطرف کند. این سیستم به جای استفاده از رویکردهای قدیمی که در آن ابتدا اطلاعات بازیابی و سپس تحلیل میشوند، از یک فرایند پویا برای ساخت حافظه استفاده میکند که به طور همزمان با جمعآوری شواهد، حافظه را توسعه میدهد.
روشهای سنتی معمولاً در تکالیف بلندمدت با چالشهای جدی مواجه میشوند، چرا که قادر به بازبینی استراتژیهای بازیابی در حین استدلال نیستند و این موجب ایجاد تنگناهای زیادی میشود. MRAgent با استفاده از یک سازوکار نوین به نام “Cue-Tag-Content” اطلاعات را به شکل بهینه و مطابق با نیاز کاربر جمعآوری میکند که میتواند به شکل چشمگیری هزینههای محاسباتی را کاهش دهد و در مقایسه با سایر روشها عملکرد بهتری ارائه بدهد.
این سیستم علاوه بر کاهش چشمگیر مصرف توکنها، زمان پاسخدهی به درخواستها را هم به نصف کاهش میدهد. به عنوان مثال، در مقایسه با سیستمهای دیگر، MRAgent تنها با ۱۱۸ هزار توکن پاسخ میدهد در حالی که LangMem به ۳.۲ میلیون توکن احتیاج دارد!
منبع: VentureBeat (مشاهده متن اصلی)
n8n.ir/iit311f
کپی شد!