LLM एजेंटों के मेमोरी ग्राफ़ में प्रसार के दौरान ActionRAG साक्ष्यों की पुनर्समीक्षा कैसे करता है
एक ग्राफ़ मेमोरी आर्किटेक्चर प्रस्तावित किया गया है, जो इंडेक्सिंग के दौरान इकाइयों का सावधानीपूर्वक मिलान करता है और क्वेरी मिलने पर स्थानीय संरचना के आधार पर संबंधों का फिर से आकलन करता है। MemoryAgentBench पर इस विधि ने 55.1 की औसत सटीकता हासिल की और सबसे मज़बूत रिट्रीवल बेसलाइन से 5.4 प्रतिशत अंक बेहतर प्रदर्शन किया।
एजेंट की मेमोरी कहाँ विफल होती है
लेखक मेमोरी की विफलताओं के दो वर्ग बताते हैं। पहला इंडेक्सिंग से जुड़ा है। दूसरा ऑनलाइन रिट्रीवल के दौरान सामने आता है।
- इंडेक्सिंग की त्रुटियाँ एक ही इकाई के बार-बार आए उल्लेखों को अलग-अलग कर सकती हैं।
- वही त्रुटियाँ अलग-अलग इकाइयों को एक में मिला सकती हैं।
- ऑनलाइन रिट्रीवल शुरुआती समानता-अनुमानों को अंतिम मान सकता है।
- आसपास का ग्राफ उन अनुमानों पर फिर से विचार करने का आधार दे सकता है।
व्यावहारिक कसौटी: क्वेरी के चरण में शुरुआती अनुमानों पर फिर से विचार करने की मेमोरी की क्षमता।
इंडेक्सिंग: प्रकारों का सामंजस्य और इकाई समाधान
ActionRAG की इंडेक्सिंग पाइपलाइन दो चरणों में काम करती है।
- प्रकार के लेबलों का सामंजस्य करती है।
- बहु-स्तरीय इकाई समाधान लागू करती है।
ये चरण सावधानीपूर्वक इंडेक्सिंग का हिस्सा हैं। इंडेक्सिंग की त्रुटियाँ एक अलग जोखिम बनी रहती हैं। व्यावहारिक कसौटी: प्रकारों का सामंजस्य और बहु-स्तरीय इकाई समाधान मौजूद हों।
क्वेरी के समय रिट्रीवल: दो चैनल और स्थानीय ग्राफ
क्वेरी के लिए ActionRAG दो चैनलों के ज़रिए इकाइयाँ और ट्रिपल्स निकालता है। इनसे शुरुआती साक्ष्य-समुच्चय और एक सीमित स्थानीय ग्राफ बनते हैं।
- रिट्रीवल के दो चैनल इकाइयाँ और ट्रिपल्स देते हैं।
- इन डेटा से शुरुआती साक्ष्य-समुच्चय बनता है।
- इन्हीं डेटा से सीमित स्थानीय ग्राफ बनता है।
व्यावहारिक कसौटी: पूरी मेमोरी पर फिर से विचार करने के बजाय क्वेरी के आसपास का स्थानीय ग्राफ।
प्रत्यक्ष संबंधों की रक्षा के साथ साक्ष्य प्रसार
प्राप्तकर्ताओं के अनुसार सामान्यीकृत और क्वेरी-आधारित प्रसार ट्रिपल्स के अनुमानों को परिष्कृत करता है। इसमें स्थानीय पथों की संरचना को ध्यान में रखा जाता है। यह संशोधन प्रत्यक्ष साक्ष्य की रक्षा और छूटे हुए संबंधों को बहाल करने पर आधारित है।
तीन तंत्र इस संशोधन में मदद करते हैं:
- शुरुआती नोड्स की रक्षा प्रत्यक्ष साक्ष्य को बनाए रखने में मदद करती है;
- हब-दंडित प्रवाह हब के ज़रिए बहने वाले प्रवाह पर दंड लगाता है;
- ट्रिपल्स को मूर्त रूप देना छूटे हुए संबंधों को बहाल करने में मदद करता है।
व्यावहारिक कसौटी: प्रसार के दौरान प्रत्यक्ष साक्ष्य को बनाए रखना।
MemoryAgentBench पर मूल्यांकन क्या दिखाता है
MemoryAgentBench (MAB) चार चीज़ों की जाँच करता है:
- रिट्रीवल की सटीकता;
- टकरावों का समाधान;
- दूरस्थ संबंधों की समझ;
- परीक्षण के दौरान सीखना।
MAB में ActionRAG के परिणाम:
| मापदंड | परिणाम |
|---|---|
| नियतात्मक मूल्यांकन वाले आठ कॉलमों में औसत सटीकता | 55,1 |
| रिट्रीवल-आधारित सबसे मज़बूत मेमोरी बेसलाइन से अधिक | 5,4 अंक |
| संश्लेषण की औसत लागत, क्वेरी समय को शामिल करके | चार प्रस्तुत लागत कॉलमों में प्रति क्वेरी बहुत कम |
| अलग-अलग मापे गए रिट्रीवल-साइड p99 घटकों का कुल योग | Apple Silicon उपभोक्ता सिस्टम पर 440,7 मि॰से॰ |
व्यावहारिक कसौटी: सटीकता, संश्लेषण लागत और रिट्रीवल घटकों के p99 का अलग-अलग लेखा-जोखा।
अक्सर पूछे जाने वाले प्रश्न
समान सामग्री
सभी सामग्री
प्रायिकता सिम्प्लेक्स की ओर संक्रमण कंट्रास्टिव मल्टीमॉडल मॉडलों में मोडैलिटी गैप को कम करता है
arXiv:2610.32890 में गोलाकार एम्बेडिंग्स की जगह प्रायिकता सिम्प्लेक्स का उपयोग करने का प्रस्ताव है, जिसमें हल्के softmax अडैप्टर और Total Variation समानता जोड़ी गई है। खोज के पाँच बेंचमार्क पर, खोज की गुणवत्ता बनाए रखते हुए या बढ़ाते हुए, मोडैलिटी के बीच सेंट्रॉइड ℓ2 दूरी 97–99% तक घट जाती है।
3 नवम्बर 2026
पंद्रह कंपनियों ने माइनिंग के स्वचालन के लिए MDK Tether का समर्थन किया
उपकरण निर्माताओं, पूलों और ऑपरेटरों ने उपकरणों की निगरानी और प्रबंधन को एकीकृत करने के लिए Tether के ओपन स्टैक के साथ इंटीग्रेशन विकसित करने की जिम्मेदारी ली है; AI एजेंट QVAC पहले से ही इसी आधार पर काम कर रहा है। बिजली की लागत में कमी या दक्षता में वृद्धि की स्वतंत्र पुष्टि अभी तक प्रकाशित नहीं हुई है।
2 नवम्बर 2026
स्वायत्त निवेश में LLM एजेंटों का नियंत्रित विकास: अपरिवर्तनीय सुरक्षा परत के साथ बहु-एजेंट ढाँचा
लेख Steward का वर्णन करता है—नौ भूमिका-आधारित LLM एजेंटों की एक प्रणाली, जिसमें पोर्टफ़ोलियो संबंधी निर्णयों की जोखिम प्रबंधक द्वारा जाँच की जाती है और प्रॉम्प्ट में बदलाव की अनुमति केवल प्रतिवर्ती नियंत्रण और रिकॉर्ड किए गए डेटा को फिर से चलाने के माध्यम से दी जाती है। मुख्य निष्कर्ष यह है कि अपरिवर्तनीय कोर और ऑडिट प्रक्रियाएँ एजेंटों को जोखिम नियमों और ऑर्डर निष्पादन पर नियंत्रण दिए बिना उन्हें विकसित करने की अनुमति देती हैं।
1 नवम्बर 2026