Az Arize AI egyetlen fájlra építette Alyx hosszú távú memóriáját
Az Arize AI egy strukturált szövegfájlra egyszerűsítette Alyx, az Arize AX mesterségesintelligencia-mérnöki ügynökének hosszú távú memóriáját. A cég szerint a megoldás elkerüli a memória-visszakeresés költségeit, miközben megőrzi a felhasználói preferenciákat és projektkonvenciókat.
- Alyx felhasználónként és Arize-munkaterületenként egy, legfeljebb 8000 karakteres memóriát használ.
- Az ügynök minden kérésnél a teljes strukturált fájlt beolvassa.
- Az Arize AI a vektoros visszakeresés és a tudásgráf költségei miatt egyszerűsített.
- Alyx 18 memóriafüggő kérdésből 16-ra válaszolt helyesen.
- A memória által okozható hibákat vizsgáló teszten minden kérdést teljesített.
A bonyolult rendszer helyett egyetlen fájl
Az Arize AI 2026. október 1-jén írta le, hogyan építette fel Alyx hosszú távú memóriáját. A fejlesztés kezdetén vektoros visszakeresést, külön epizodikus és szemantikus tárolókat, valamint időbeli tudásgráfot használtak. A végső rendszer ennél jóval kisebb lett.
Alyx minden felhasználóhoz és az általa használt Arize-munkaterülethez egy strukturált szövegfájlt vezet. A fájl legfeljebb 8000 karakteres lehet, és az ügynök minden kérésnél a teljes tartalmát beolvassa. A háttérfeladatok összefoglalják a lezárt beszélgetési fordulókat, majd célzott módosításokat javasolnak. A tömörítés gondoskodik a méretkorlátról.
A fájl olyan információkat tárolhat, mint a felhasználói preferenciák, a projekt szokásai, korábbi döntések és az Alyx által elkövetett hibák javításai. Az Arize AI szerint ez a megközelítés közel áll ahhoz, ahogyan a ChatGPT és a Claude is egy tömör memóriaprofilt közvetlenül a modell kontextusába helyez, miközben a ritkábban szükséges információkhoz keresést használ.
Miért bizonyult drágának a tudásgráf?
Az első Alyx-prototípus a memóriát visszakeresési feladatként kezelte. A rendszer felhasználókat, projekteket, eszközöket, célokat és termékterületeket modellezett gráfbeli entitásként, majd minden kéréshez releváns emlékeket keresett.
A fejlesztés során három fő problémát találtak. A széles körű preferenciákat könnyű volt elvéteni, mert a legutóbbi üzenet és egy korábbi konvenció között nem feltétlenül van erős szemantikai kapcsolat. A tudásgráf fenntartása költségesnek bizonyult, mivel minden írás több nyelvimodell-hívást indított. Egy öt entitást és hat tényt tartalmazó forduló nagyjából tíz hívást igényelt egyedi típusok nélkül, és több mint húszat azokkal.
A visszakeresés egy külön adatelemzési problémát is létrehozott. Ilyenkor nemcsak azt kell ellenőrizni, hogy Alyx megjegyezte-e a megfelelő információt, hanem a találati arányt, a beágyazási modelleket és a hasonló adathalmazok megkülönböztetését is. Az Arize AI szerint ez külön mérési és hibakeresési projektet jelentett.
A tesztek szerint a memória nem rontott a válaszokon
Az Arize AI végső értékelésében Alyx a memóriát igénylő 18 kérdésből 16-ra válaszolt helyesen. Ezt három különálló forgatókönyvben, valamint egy olyan vegyes futtatásban is vizsgálták, amelyben a forgatókönyvek egymással váltakoztak.
A tesztelés másik iránya azt vizsgálta, amikor a memória akár ronthatná is a választ. Alyx ebben a csoportban minden kérdésen átment. A cég ugyanakkor több korlátot is azonosított. Egy elutasított frissítés miatt a legutóbbi információk kimaradhatnak a fájlból, és előfordult, hogy az ügynök hibás adatot írt vissza a memóriába. Olyan preferenciák is eltűntek, amelyeket a rendszernek meg kellett volna őriznie.
Az Arize AI következtetése szerint a hatókörében jól körülhatárolt ügynököknél egy mindig betöltött, rendezett fájl elegendő alapértelmezett megoldás lehet. A felhasználók számára ez azt jelenti, hogy Alyx az új munkamenetekben is hozzáférhet a korábban rögzített projekt- és felhasználói kontextushoz, miközben a rendszer fejlesztőinek továbbra is meg kell határozniuk, mit őrizzen meg, és mikor alkalmazza azt.
