От возврата к реконструкции: создание эволютивной побудительной памяти для долгосрочного диалога
arXiv: 2610.11314v1 Annuate Type: New Habstract: Major Language Models (LMS), выполняя функции агентов по долгосрочному диалогу, требуют систем памяти, которые поддерживают надежную аргументацию в отношении продолжительного взаимодействия. Вместе с тем в существующих системах " Retrieval-Augmented Generation (RAG) > память обычно рассматривается как пассивное хранение, что затрудняет проведение различия между убеждениями источника и непривлекаемыми данными событий/фактов и увязку доказательств, разбросанных по сессиям. Мы введём систему когнитивной памяти KogMem, основанную на графике PEC$2F (Person-Event-Conspt-Spect-Fact). Специальные узлы претензий сохраняют источник и цель субъективных заявлений, в то время как узлы фактов и событий представляют собой семантические и эпизодические знания. Повороты диалога постепенно преобразуются в графические записи с информацией о происхождении, сводятся к более высоким фактам и выстраиваются в мнения по претензиям с временн*ми рамками, когда тот же источник представляет противоречивые обновленные данные. Для поиска на основе правил контроллер, приводимый в действие LLM i
