Stanford Üniversitesi araştırmacıları, büyük dil modellerinin karşılaştığı temel bir soruna yenilikçi çözüm getirdi. STITCH (Structured Intent Tracking in Contextual History) adlı bu sistem, yapay zeka ajanlarının hafıza yönetiminde yaşanan bağlam karmaşasını ortadan kaldırıyor.
Geleneksel hafıza sistemlerinin temel problemi, benzer kelimelerin ve kavramların farklı durumlarda tekrar etmesi sırasında yanlış bağlantılar kurmasıydı. Örneğin, bir yapay zeka ajanı 'rezervasyon' kelimesini gördüğünde, bu kelimeyi daha önce farklı bağlamlarda (restoran rezervasyonu, otel rezervasyonu, uçak bileti) kullanıldığı durumlarla karıştırabiliyor ve yanlış hafıza parçalarını geri çağırabiliyor.
STITCH sistemi bu sorunu, her hafıza parçasını 'bağlamsal niyet' ile etiketleyerek çözüyor. Bu etiketleme üç ana bileşenden oluşuyor: mevcut gizli hedef (tematik segment), eylem türü ve dikkat çeken varlık tipleri. Bu yaklaşım, sistemin hangi özelliklerin önemli olduğunu belirlemesine yardımcı oluyor.
Araştırmacılar ayrıca CAME-Bench adlı yeni bir değerlendirme ölçütü geliştirerek sistemin başarısını test etti. Sonuçlar, STITCH'in semantik olarak benzer ancak bağlamsal olarak uyumsuz hafıza parçalarını başarıyla filtrelediğini gösteriyor.
Bu gelişme, gelecekte daha akıllı sanal asistanlar ve otonom sistemler için önemli bir adım teşkil ediyor.