MIRIX-2.0: Hệ thống bộ nhớ đa tác nhân dành cho các tác nhân mô hình lớn

Bộ nhớ dài hạn cho phép các tác nhân mô hình lớn trở nên cá nhân hóa, nhất quán và tái sử dụng các kinh nghiệm thành công, nhưng bộ nhớ tham số hóa đòi hỏi phải huấn luyện, việc tích hợp sẽ làm mất vĩnh viễn các chi tiết, còn việc lưu trữ toàn bộ lại khiến việc truy xuất ngày càng nặng nề. MIRIX-2.0 sử dụng sáu tác nhân bộ nhớ được phân loại để lưu trữ các bản ghi đầy đủ, sau đó sử dụng siêu đồ thị truy nguyên nguồn gốc để lập chỉ mục cho các bản ghi tình huống và ngữ nghĩa, mỗi sự kiện đều trích dẫn dòng nguồn; việc truy xuất diễn ra trong một ngân sách rõ ràng, lượng bằng chứng cần xem xét cho một câu hỏi không tăng theo lịch sử. AutoDream hợp nhất các neo trùng lặp ngoài đường dẫn ghi, không ghi đè bất kỳ bản ghi nào, đồng thời tinh luyện các phiên làm việc thành các kỹ năng. Các tác giả tuyên bố rằng nó chính xác nhất trên bốn trong năm chuẩn đánh giá hỏi đáp, LoCoMo 91.4%, LongMemEval-S 72.6% (cao hơn 14.3 điểm so với cơ sở mạnh nhất); với tư cách là bộ nhớ thủ tục, nó đạt tỷ lệ thành công trung bình cao nhất trên ALFWorld và WebShop, đạt 49.2% trên MetaClaw-Bench, trong khi kho kỹ năng tích hợp sẵn của MetaClaw là 44.0%.

Tiêu đề gốc: MIRIX-2.0: Hệ thống bộ nhớ đa tác nhân

Bộ nhớ dài hạn cho phép các tác nhân mô hình lớn trở nên cá nhân hóa, nhất quán và tái sử dụng các kinh nghiệm thành công, nhưng bộ nhớ tham số hóa đòi hỏi phải huấn luyện, việc tích hợp sẽ làm mất vĩnh viễn các chi tiết, còn việc lưu trữ toàn bộ lại khiến việc truy xuất ngày càng nặng nề. MIRIX-2.0 sử dụng sáu tác nhân bộ nhớ được phân loại để lưu trữ các bản ghi đầy đủ, sau đó sử dụng siêu đồ thị truy nguyên nguồn gốc để lập chỉ mục cho các bản ghi tình huống và ngữ nghĩa, mỗi sự kiện đều trích dẫn dòng nguồn; việc truy xuất diễn ra trong một ngân sách rõ ràng, lượng bằng chứng cần xem xét cho một câu hỏi không tăng theo lịch sử. AutoDream hợp nhất các neo trùng lặp ngoài đường dẫn ghi, không ghi đè bất kỳ bản ghi nào, đồng thời tinh luyện các phiên làm việc thành các kỹ năng. Các tác giả tuyên bố rằng nó chính xác nhất trên bốn trong năm chuẩn đánh giá hỏi đáp, LoCoMo 91.4%, LongMemEval-S 72.6% (cao hơn 14.3 điểm so với cơ sở mạnh nhất); với tư cách là bộ nhớ thủ tục, nó đạt tỷ lệ thành công trung bình cao nhất trên ALFWorld và WebShop, đạt 49.2% trên MetaClaw-Bench, trong khi kho kỹ năng tích hợp sẵn của MetaClaw là 44.0%.

Tại sao quan trọng Bộ nhớ dài hạn cho phép các tác nhân ghi nhớ người dùng và những việc đã thực hiện; lượng bằng chứng mà nó xem xét mỗi lần không tăng theo lịch sử, các tác giả tuyên bố rằng nó chính xác nhất trên hầu hết các chuẩn đánh giá hỏi đáp

Thích 46 · Số sao mã nguồn 3481

Lý do

  • Khi tắt AutoDream, các tác giả tuyên bố rằng câu trả lời nhanh hơn HyperMem trên cả năm chuẩn đánh giá có tính thời gian
  • Có thể sử dụng với cả mô hình mã nguồn đóng và mã nguồn mở, không cần tinh chỉnh; nó sẽ tinh luyện các lỗi công cụ, các lần thử lại và giải pháp cuối cùng thành các kỹ năng
  • Bộ nhớ đồ thị được lưu trữ trong Neo4j, mỗi sự kiện đa nguyên đều được chú thích vai trò thực thể và trích dẫn dòng bộ nhớ gốc, giúp dễ dàng truy nguyên

Cách sử dụng

  • Mã nguồn: https://github.com/Mirix-AI/MIRIX(Apache-2.0,基于 Letta)
  • Chạy docker compose up -d để khởi động backend và bảng điều khiển, tạo khóa API trong bảng điều khiển, sau khi pip install mirix-client thì sử dụng MirixClient để ghi hội thoại và truy xuất bộ nhớ; bộ nhớ đồ thị mặc định bị tắt, cần khởi động riêng Neo4j và đặt MIRIX_ENABLE_GRAPH_MEMORY=true

Rủi ro

  • Kho lưu trữ là toàn bộ dự án trợ lý cá nhân MIRIX, README không có hướng dẫn riêng để tái tạo bài báo, thiết lập đánh giá bộ nhớ đồ thị xem tại evals/GRAPH_MEMORY.md
  • Sản phẩm thu thập hoạt động màn hình để tạo bộ nhớ, cần xem kỹ cài đặt quyền riêng tư trước khi sử dụng; nâng cấp cơ sở dữ liệu cũ yêu cầu chạy thủ công các tập lệnh di chuyển
  • Kết quả do các tác giả báo cáo; mục này chưa được chạy

Mở · Mã nguồn · Trang bài báo

Hugging Face Daily Papers

Xem tin AI mới nhất