QuarqLabs เปิดแหล่งที่มาของสถาปัตยกรรมตัวแทนหน่วยความจำถาวรสี่ชั้น

ME AI ข่าว ตามการติดตามของ Beating บริษัทสตาร์ทอัพ QuarqLabs ได้เปิดตัวเวอร์ชัน v0.4.0 ของโปรเจกต์หลัก Quarq Agent ในรูปแบบโอเพ่นซอร์ส โปรเจกต์นี้มีเป้าหมายเพื่อให้ตัวแทน AI มีโครงสร้างความจำระยะยาวที่สามารถ “เรียนรู้อย่างต่อเนื่อง” เพื่อแก้ไขปัญหาที่ตัวแทนมักลืม ยากต่อการวิเคราะห์เชิงเหตุผลในช่วงเวลาที่ยาวนาน และมักเกิดภาพหลอน พร้อมกันนี้ QuarqLabs ประกาศว่าจะเปลี่ยนจุดเน้นเชิงกลยุทธ์ไปสู่โครงสร้างพื้นฐานหุ่นยนต์ (Robotics Infrastructure) โดยโปรเจกต์นี้จะถูกเก็บไว้เป็นทรัพย์สินการวิจัยแบบโอเพ่นซอร์ส และบริษัทจะไม่ให้การดูแลรักษาอย่างต่อเนื่องอีกต่อไป Quarq Agent ได้นำเสนอระบบความจำระยะยาวแบบโมดูลาร์สี่ชั้นที่รวม “การค้นหา การจัดเก็บ การวิเคราะห์ และการเรียนรู้” ใน “ชั้นการค้นหา” ระบบจะขยายคำถามเป็นสมมุติฐานการค้นหาหลายมุมมองในพื้นหลัง และใช้การค้นหาแบบผสมผสานระหว่างเวกเตอร์ FAISS แบบท้องถิ่นกับคำสำคัญ; ใน “ชั้นการจัดเก็บ” ความจำจะถูกจัดหมวดหมู่เป็นสามประเภท: เชิงความหมาย (ความชอบและข้อเท็จจริง), เชิงสถานการณ์ (ประวัติเหตุการณ์) และเชิงกระบวนการ (คำสั่งพฤติกรรมและกฎรูปแบบ) โดยสองประเภทแรกใช้ฐานข้อมูลเวกเตอร์และ JSON แบบท้องถิ่นรองรับ ส่วนประเภทหลังถูกดูแลรักษาโดยชุดกฎอิสระ; ใน “ชั้นการวิเคราะห์” ระบบจะป้องกันภาพหลอนด้วยการแยกแยะอย่างเข้มงวดระหว่างเวลาของเหตุการณ์กับเวลาการจัดเก็บ การแยกความเชื่อมโยงของเอนทิตี และการยอมรับอย่างตรงไปตรงมาเมื่อข้อมูลไม่เพียงพอ; ใน “ชั้นการเรียนรู้” ระบบจะรันโมเดลอิสระในพื้นหลังแบบอะซิงโครนัส เพื่อจัดการการเพิ่ม การลบ การอัปเดต และการรวมข้อมูลซ้ำโดยไม่เพิ่มความล่าช้าในการโต้ตอบ ในด้านระบบนิเวศและการนำไปใช้งานจริง Quarq Agent มุ่งเน้นการปรับใช้งานแบบท้องถิ่นอย่างเรียบง่าย โดยมีทักษะพร้อมใช้งานหลายอย่าง เช่น Gmail, Google Calendar และการสร้างรายงานโครงสร้าง PDF และรองรับนักพัฒนาในการขยายฟังก์ชันผ่านสคริปต์ Python ในไดเรกทอรี tools ด้วยการออกแบบที่สมบูรณ์และเปิดแหล่งที่มาอย่างสมบูรณ์ ทำให้ Quarq Agent เป็นตัวอย่างอ้างอิง “ความจำเป็นหลัก (Memory-First)” ที่มีคุณค่าทางวิศวกรรมสูงสำหรับการสร้างตัวแทน AI ที่สามารถอยู่ร่วมกับผู้ใช้ในระยะยาว (ที่มา: BlockBeats)