تخيل ذكاءً اصطناعياً يتذكر كل تفصيلة من مشروع استمر شهراً كاملاً، ويسترجع المعلومات الهامة عند الطلب دون أي خطأ. أصبح هذا ممكناً الآن مع GAM، وهي بنية ذاكرة ثنائية الوكيل مصممة لـ...
قصة عامة سابقة · مراجعة الأدلة غير متاحة.
نُشرتخيل ذكاءً اصطناعياً يتذكر كل تفصيلة من مشروع استمر شهراً كاملاً، ويسترجع المعلومات الهامة عند الطلب دون أي خطأ. أصبح هذا ممكناً الآن مع GAM، وهي بنية ذاكرة ثنائية الوكيل مصممة لمعالجة مشكلة "تدهور السياق" في الذكاء الاصطناعي. فبدلاً من مجرد توسيع الذاكرة، تستخدم GAM وكيلاً 'للحفظ' (memorizer) لتخزين كل التفاصيل دون فقدان أي بيانات، وآخر 'للبحث' (researcher) لاسترداد السياق المطلوب بدقة وذكاء، في الوقت المناسب تماماً. لقد سحق هذا النهج المنافسين في اختبارات الذاكرة طويلة الأمد، محققاً دقة تتجاوز 90% في اختبار RULER، بينما انهارت أنظمة RAG التقليدية وتعثرت النماذج ذات السياق الطويل. يشير هذا إلى تحول كبير من الاعتماد على نوافذ السياق الضخمة إلى أنظمة ذاكرة أكثر ذكاءً وهندسة. وهذا أمر بالغ الأهمية لبناء وكلاء AI موثوقين يمكنهم إدارة مشاريع تستمر لأيام، أو تتبع سجلات دعم العملاء المعقدة، أو الحفاظ على الاستمرارية في مسارات العمل الجارية.
بنية الذاكرة ثنائية الوكيل هذه تقضي على مشكلة تدهور السياق في الذكاء الاصطناعي، مما يفتح الباب أمام وكلاء أكثر موثوقية وذكاء.
اسحب لأعلى للتالي1 / 1