Yapay zeka alanında büyük dil modelleri karmaşık görevlerde etkileyici performans gösterse de, uzun vadeli etkileşimlerde geçmiş deneyimlerden faydalanabilmek için gelişmiş bellek sistemlerine ihtiyaç duyuyorlar. Araştırmacılar bu ihtiyacı karşılamak için yeni bir yaklaşım geliştirdi.
Mevcut bellek yöntemleri olan A-Mem ve Mem0 gibi sistemler, etkileşimleri sürekli yeniden düzenleyerek özetleme işlemine ağırlık veriyor. Ancak bu yaklaşım, önemli bağlamsal nüansları kayıp etme ve temel geri çağırma özelliklerini belirsizleştirme riskini beraberinde getiriyor.
Bu soruna çözüm olarak geliştirilen AnchorMem sistemi, bilişsel bilimdeki Proust Fenomeni'nden esinleniyor. Bu fenomende belirli bir tetikleyici uyaran, kapsamlı bir hatırlama sürecini başlatır - tıpkı Marcel Proust'un romanında bir madeleine kurabiyesinin tüm bir geçmiş dönemini hatırlatması gibi.
AnchorMem'in yenilikçi yaklaşımı, geri çağırma birimini üretim bağlamından ayırmakta yatıyor. Sistem, etkileşim geçmişinden atomik gerçekleri çıkararak bunları geri çağırma çapası olarak kullanırken, orijinal bağlamı değişmez durumda muhafaza ediyor. Bu sayede hem hızlı erişim hem de bağlamsal zenginlik korunuyor.
Örtülü anlatı ipuçlarını ortaya çıkarmak için sistem, yüksek dereceli olay yapılarını kullanan ilişkisel olay grafikleri oluşturuyor. Bu yaklaşım, yapay zeka sistemlerinin bellek yönetiminde yeni bir paradigma sunuyor.