Naukowcy zaproponowali HiCoMER - nowy framework do zarządzania pamięcią w zespołach agentów LLM, który rozwiązuje problem nieaktualnych lub sprzecznych informacji w wyszukiwaniu. Obecne systemy pamięciowe traktują wszystkie wspomnienia jako jednorodną pulę i rangują je wyłącznie na podstawie podobieństwa semantycznego, ważności lub nowości, pomijając hierarchiczną strukturę i ewolucję ważności danych.
W rzeczywistych scenariuszach zespołowej współpracy pamięć jest zróżnicowana - wspólna pamięć zespołu zawiera zbiorowe decyzje, protokoły i aktualny konsensus, podczas gdy pamięć indywidualna każdego członka przechowuje jego obserwacje, ślady wykonania i postęp pracy. Problem pojawia się, gdy agent LLM odpowiada na pytanie na podstawie wspomnienia, które jest semantycznie trafne, ale już nieaktualne lub przeczy obecnemu uzgodnieniu zespołu. To szczególnie problematyczne w agentach kolaboracyjnych, gdzie odpowiedzi powinny być ugruntowane w wiarygodnych danych.
HiCoMER składa się z trzech komponentów: hierarchicznego aktualizatora konfliktów pamięci, który utrzymuje spójność danych między warstwą zespołu a indywidualną, wyszukiwarki memości świadomej ważności, która najpierw filtruje wspomnienia pod kątem aktualności, i generatora odpowiedzi opartego na pamięci. Zespół badawczy zbudował dwa nowe zbiory danych do testowania frameworku w scenariuszach odpowiadania na pytania w środowiskach kolaboracyjnych. Podejście HiCoMER może znacząco poprawić niezawodność systemów agentów LLM pracujących w zespołach, zmniejszając błędy wynikające z użycia nieaktualnych lub sprzecznych informacji.