Команда Китайской академии наук предложила HyperMem — прорыв в памяти ИИ для длинных диалогов

Согласно новости ME, 11 апреля (UTC+8) исследовательская группа Института информационных технологий Китайской академии наук представила на главной конференции ACL 2026 статью, в которой предложена сверхграфовая архитектура памяти HyperMem для длительных диалогов. На стандартном тесте LoCoMo для длинных диалогов она достигла точности 92,73%, установив новый рекорд. Существующие решения на основе RAG и графовых структур памяти в основном опираются на парные связи, что затрудняет выявление высокопорядковых взаимосвязей между несколькими элементами и приводит к фрагментированности извлекаемого контента. HyperMem вводит сверхграфовую структуру, разделяя память диалога на три уровня: темы, фрагменты и факты, и объединяя связанные фрагменты и факты с помощью гиперребер. В сочетании с гибридным лексико-семантическим индексированием и стратегией поиска от грубого к детальному, это обеспечивает точный и эффективный поиск высокопорядковых связей. Экспериментальные результаты показали, что на стандартном тесте LoCoMo HyperMem достигла точности 92,73% в оценке с использованием LLM-as-a-judge, что соответствует текущему уровню SOTA, подтверждая ее эффективность в обеспечении согласованности контекста и персонализированного моделирования в длительных диалогах. Это исследование предлагает новый подход к поддержанию контекстуальной связности, отслеживанию непрерывных задач и предоставлению персонализированных услуг диалоговыми агентами в долгосрочных взаимодействиях. Статья опубликована на arXiv (номер 2604.08256). (Источник: BlockBeats)