চীনা একাডেমি অফ সায়েন্সেস টিম হাইপারমেম প্রস্তাব করেছে, দীর্ঘ-সংলাপ AI মেমোরির বিপ্লব

ME সংবাদ, ১১ এপ্রিল (UTC+8), চীনা একাডেমি অফ সায়েন্সেসের তথ্য প্রকৌশল গবেষণা ইনস্টিটিউটের গবেষণা দল ACL 2026-এর মূল সভায় একটি পেপার প্রকাশ করেছে, যেখানে দীর্ঘ কথোপকথনের জন্য একটি হাইপারগ্রাফ মেমোরি আর্কিটেকচার HyperMem প্রস্তাব করা হয়েছে। LoCoMo দীর্ঘ কথোপকথন বেঞ্চমার্কে 92.73% মূল্যায়ন সঠিকতার সাথে বর্তমান সেরা পারফরম্যান্সকে আপডেট করা হয়েছে। বর্তমান RAG এবং গ্রাফ-ভিত্তিক মেমোরি পদ্ধতিগুলি প্রায়শই দুটি-প্রতি-দুটি সম্পর্কের উপর নির্ভরশীল, যা একাধিক উপাদানের মধ্যে উচ্চতর-ক্রমের সম্পর্কগুলি ধরতে অক্ষম, ফলে রিট্রিভড কনটেন্ট বিচ্ছিন্ন হয়ে যায়। HyperMem হাইপারগ্রাফ স্ট্রাকচার চালু করে, কথোপকথনের মেমোরিকে বিষয়, অংশ এবং তথ্য—এই তিনটি স্তরে বিভক্ত করেছে, এবং সংশ্লিষ্ট অংশগুলি এবং তথ্যগুলিকে হাইপার-এজের মাধ্যমে একত্রিত করেছে। এটি মিশ্র-শব্দভিত্তিক-অর্থভিত্তিক ইনডেক্সিংয়ের সাথে মিলিয়ে, "খসড়া-থেকে-বিস্তারিত" রিট্রিভাল স্ট্র্যাটেজির সাহায্যে, উচ্চতর-ক্রমের সম্পর্কগুলির জন্য সঠিকও দক্ষতার সাথে রিট্রিভাল实现। 실험 결과, LoCoMo 장기 대화 벤치마크에서 HyperMem은 LLM-as-a-judge 평가에서 92.73%의 정확도를 달성하여 현재 최고 수준(SOTA)에 도달했으며, 장기 대화에서의 맥락 일관성 및 개인화 모델링에서 그 효율성을 입증했습니다. 이 연구는 장기 상호작용 중 대화 에이전트가 맥락을 일관되게 유지하고, 지속적인 작업을 추적하며, 개인화된 서비스를 제공하는 데 새로운 방향을 제시합니다. 논문은 arXiv에 게시되었습니다(번호 2604.08256)。(출처: BlockBeats)