Selon les nouvelles de ME, le 11 avril (UTC+8), une équipe de recherche de l'Institut d'ingénierie de l'information de l'Académie des sciences de Chine a présenté un article lors de la conférence principale ACL 2026, introduisant l'architecture de mémoire hypergraphe HyperMem conçue pour les conversations prolongées. Cette approche établit un nouveau niveau de performance avec une précision d'évaluation de 92,73 % sur le benchmark LoCoMo pour les conversations longues. Les solutions existantes basées sur RAG ou des structures de graphes reposent principalement sur des relations binaires, ce qui limite leur capacité à capturer des relations d'ordre supérieur entre plusieurs éléments, entraînant une fragmentation des contenus récupérés. HyperMem introduit une structure d'hypergraphe pour organiser la mémoire conversationnelle en trois niveaux : sujet, fragment et fait, en regroupant les fragments et faits associés par des hyperarêtes. Associée à un index hybride lexico-sémantique et à une stratégie de recherche de grossier à fin, cette méthode permet une récupération précise et efficace des relations d'ordre supérieur. Les résultats expérimentaux montrent que, sur le benchmark LoCoMo, HyperMem atteint une précision de 92,73 % selon l'évaluation LLM-as-a-judge, établissant un nouveau niveau d'excellence (SOTA) et validant son efficacité pour maintenir la cohérence contextuelle et modéliser la personnalisation dans les conversations prolongées. Cette recherche ouvre de nouvelles perspectives pour les agents conversationnels afin de préserver la continuité contextuelle, suivre des tâches persistantes et offrir des services personnalisés sur le long terme. L'article est disponible sur arXiv (numéro 2604.08256). (Source : BlockBeats)
L'équipe de l'Académie des sciences de Chine propose HyperMem, une percée dans la mémoire IA pour les longs dialogues
KuCoinFlashPartager
Résumé
Une équipe de recherche de l’Académie chinoise des sciences a présenté HyperMem, un nouveau système de mémoire de dialogue à long terme, à ACL 2026. Le modèle a obtenu 92,73 % sur le benchmark LoCoMo, surpassant les méthodes existantes. HyperMem utilise des hyperarêtes pour organiser les dialogues en sujets, segments et faits, améliorant ainsi la précision de la récupération. L’article est disponible sur arXiv (ID : 2604.08256). Pour les investisseurs axés sur une stratégie crypto à long terme, cette avancée pourrait soutenir le développement d’outils d’intelligence artificielle plus intelligents et évolutifs pour l’investissement à long terme.
Source:Afficher l'original
Clause de non-responsabilité : les informations sur cette page peuvent avoir été obtenues auprès de tiers et ne reflètent pas nécessairement les points de vue ou opinions de KuCoin. Ce contenu est fourni à titre informatif uniquement, sans aucune représentation ou garantie d’aucune sorte, et ne doit pas être interprété comme un conseil en investissement. KuCoin ne sera pas responsable des erreurs ou omissions, ni des résultats résultant de l’utilisation de ces informations.
Les investissements dans les actifs numériques peuvent être risqués. Veuillez évaluer soigneusement les risques d’un produit et votre tolérance au risque en fonction de votre propre situation financière. Pour plus d’informations, veuillez consulter nos conditions d’utilisation et divulgation des risques.