Naukowcy z obszaru sztucznej inteligencji opracowali MemoryForge - system, który wyposaża modele LLM w syntetyczną biograficzną pamięć zamiast polegania na statycznych opisach personalizacji. Tradycyjne podejścia opierały się na wstrzykiwaniu tekstowych profili bezpośrednio do promptów, co prowadziło do generycznych i nieprzekonujących zachowań agentów. MemoryForge zmienia to podejście, inspirując się psychologią poznawczą i dynamicznym sposobem, w jaki ludzie używają wspomnień do przewodnictwa swoimi działaniami.
Framework MemoryForge ma trzy kluczowe komponenty: generator kontekstu, który osadza tożsamość agenta w rzeczywistym kontekście społeczno-historycznym, organizator życia zapewniający spójność w rozwoju tożsamości oraz symulator wielorozdzielczości balansingujący szerokie podsumowania czasowe z wysokowierną rekonstrukcją konkretnych doświadczeń. System syntetyzuje autobiograficzną bazę pamięci na podstawie briefu opisującego docelową personę.
Badania na benchmarkach PersonaGym dla role-play oraz SimulatorArena dla symulacji użytkowników wykazały, że modele LLM wyposażone w syntetyczną pamięć z MemoryForge wykazywały znacznie bardziej naturalne człowieko-podobne zachowania niż agenty wytrenowane metodami opisowymi. Wyniki były konsystentne across wieloma metrykami i różnymi modelami bazowymi, sugerując uniwersalność podejścia.