Команда Китайської академії наук запропонувала HyperMem — прорив у пам’яті ШІ для довгих діалогів

ME News: 11 квітня (UTC+8) дослідницька група Інституту інформаційних технологій Китайської академії наук опублікувала статтю на головній конференції ACL 2026, де запропонувала гіперграфну архітектуру пам’яті HyperMem для довготривалих діалогів. На стандартному тесті LoCoMo для довгих діалогів вона досягла точності 92,73 %, що є найкращим результатом на сьогодні. Сучасні рішення на основі RAG та графових структур пам’яті зазвичай залежать від парних зв’язків і не можуть ефективно виявляти високорівневі взаємозв’язки між кількома елементами, що призводить до фрагментації результатів пошуку. HyperMem впроваджує гіперграфну структуру, розділяючи пам’ять діалогу на три рівні: теми, фрагменти та факти, і використовує гіперребра для об’єднання пов’язаних фрагментів і фактів. У поєднанні з гібридним лексико-семантичним індексом та стратегією пошуку від загального до детального, це забезпечує точний та ефективний пошук високорівневих зв’язків. Експерименти показали, що на стандартному тесті LoCoMo HyperMem досягла точності 92,73 % у оцінці за допомогою LLM-as-a-judge, що встановлює новий рекорд (SOTA), підтверджуючи її ефективність у забезпеченні контекстної послідовності та персоналізації довготривалих діалогів. Це дослідження пропонує новий підхід до створення діалогових агентів, здатних підтримувати контекстну цілісність, відстежувати тривалі завдання та надавати персоналізовані послуги. Стаття опублікована на arXiv (номер 2604.08256). (Джерело: BlockBeats)