Ученые факультета вычислительной математики и кибернетики МГУ предложили подход к тому, как системы на основе искусственного интеллекта могут запоминать и использовать информацию при длительном взаимодействии с пользователем.
Современные ИИ-ассистенты, как правило, сохраняют всю историю диалога без отбора и структурирования. Это приводит к накоплению избыточной информации, снижает точность поиска нужных данных и ухудшает согласованность ответов при работе с длинным контекстом.
В работе предложена архитектура, в которой управление долговременной памятью выделено в отдельную подсистему. Она принимает решения о том, какие сведения следует сохранять, а какие — удалять или перерабатывать.
При работе системы сначала выполняется поиск ранее сохраненных записей, связанных с текущим запросом пользователя. Найденные элементы преобразуются в компактный контекст и добавляются ко входным данным модели, после чего формируется ответ. Затем подсистема памяти анализирует новые данные и решает, нужно ли их сохранять.
