Badacze zaprezentowali Memori - system infrastruktury pamięci, który pozwala agentom AI pracującym w aplikacjach wielouzytkownikowych efektywnie przechowywać i odzyskiwać informacje z poprzednich interakcji. Rozwiązanie rozwiązuje poważny problem współczesnych dużych modeli językowych, które z natury działają w izolacji kontekstowej i nie pamiętają rozmów poza aktualną sesją. Memori umożliwia LLM-om budowanie długoterminowej pamięci o użytkownikach, ich preferencjach i historii interakcji, co jest niezbędne dla tworzenia rzeczywiście użytecznych asystentów AI.
Dostępna na tej chwili generacja modeli językowych pracuje głównie w ramach ograniczonego kontekstu - mogą analizować tekst z bieżącej rozmowy, ale tracą dostęp do wcześniejszych informacji. Memori zmienia to podejście, umożliwiając systemom przechowywanie wiedzy między sesjami i udostępnianie jej relevantnemu kontekstowi. Szczególnie istotne jest to w aplikacjach, gdzie wiele osób korzysta z tego samego agenta AI, lub gdy jeden użytkownik ma wiele odrębnych sesji - system musi wiedzieć, co już wie o każdej osobie, aby uniknąć powtarzania pytań i zapewniać spójne doświadczenie.
To rozwiązanie ma praktyczne znaczenie dla całej branży budowania agentów AI. Firmy opracowujące chatboty, asystentów wirtualnych czy systemy obsługi klienta będą mogły tworzyć bardziej inteligentne narzędzia, które faktycznie się uczą z przeszłości. Memori stanowi kolejny krok w kierunku AI, które nie tylko odpowiada na pytania, ale pamiętała rozmowy, budowała relacje z użytkownikami i działała bardziej jak rzeczywisty asystent niż statyczny wyszukiwacz odpowiedzi.