Tim Akademi Ilmu Pengetahuan Tiongkok Mengusulkan HyperMem, Terobosan dalam Memori AI Dialog Panjang

Berita ME, 11 April (UTC+8), tim peneliti dari Institut Teknologi Informasi, Akademi Ilmu Pengetahuan Tiongkok, mempresentasikan makalah di konferensi utama ACL 2026 yang mengusulkan arsitektur memori hipergraf HyperMem untuk percakapan jangka panjang, yang memecahkan rekor akurasi evaluasi sebesar 92,73% pada benchmark percakapan panjang LoCoMo. Solusi memori RAG dan berbasis graf saat ini sebagian besar bergantung pada hubungan berpasangan, sehingga sulit menangkap hubungan tingkat tinggi antar elemen multipel, yang menyebabkan hasil pencarian menjadi terfragmentasi. HyperMem memperkenalkan struktur hipergraf untuk membagi memori percakapan menjadi tiga tingkatan: topik, fragmen, dan fakta, serta mengelompokkan fragmen dan fakta terkait melalui hiperedge, didukung oleh indeks campuran leksikal-semantik dan strategi pencarian dari kasar ke halus, sehingga mencapai pencarian yang akurat dan efisien terhadap hubungan tingkat tinggi. Hasil eksperimen menunjukkan bahwa pada benchmark percakapan panjang LoCoMo, HyperMem mencapai akurasi 92,73% dalam evaluasi LLM-as-a-judge, mencapai level terbaik saat ini (SOTA), membuktikan efektivitasnya dalam menjaga konsistensi konteks dan pemodelan personalisasi dalam percakapan jangka panjang. Penelitian ini memberikan pendekatan baru bagi agen percakapan untuk mempertahankan kelancaran konteks, melacak tugas berkelanjutan, dan menyediakan layanan personalisasi selama interaksi jangka panjang. Makalah ini telah dipublikasikan di arXiv (nomor 2604.08256). (Sumber: BlockBeats)