Meta AI એ એક ડ્યુઅલ-એજન્ટ મેમરી સિસ્ટમ રજૂ કરી છે જે કમાન્ડ-લાઇન બેન્ચમાર્ક પર ઓટોનોમસ AI આસિસ્ટન્ટ્સના સફળતાના દરને 38% થી વધારીને 46% અને મલ્ટી-ડોમેન કન્વર્સેશનલ બેન્ચમાર્ક પર 55% થી વધારીને 62% કરે છે. આ વધારો બદલાયા વગરના "એક્શન" મોડલને એક સમર્પિત "મેમરી" કોચ સાથે જોડવાથી આવે છે, જે કાર્યના તાજેતરના સ્ટેપ્સ પર નજર રાખે છે અને જ્યારે સંદર્ભ (context) ગુમાવવાનો ભય હોય ત્યારે જ હસ્તક્ષેપ કરે છે.
લાંબા સમય સુધી ચાલતા AI કાર્યોમાં રહેલી છુપાયેલી ખામી
જ્યારે લેંગ્વેજ મોડલ મલ્ટી-સ્ટેપ સમસ્યાનો સામનો કરે છે, ત્યારે દરેક વળાંક વાતચીતના ઇતિહાસમાં વધુ ટેક્સ્ટ ઉમેરે છે. મોડલનું આગામી પગલું સમગ્ર ટ્રાન્સક્રિપ્ટ દ્વારા માર્ગદર્શિત થવું જોઈએ, પરંતુ વ્યવહારમાં સંબંધિત તથ્યો દબાઈ જાય છે. Meta ના સંશોધકો આને "behavioral state decay" કહે છે – જેમ જેમ કોન્ટેક્સ્ટ વિન્ડો વધતી જાય છે તેમ તેમ એજન્ટનો હેતુનો અહેસાસ ધીમે ધીમે ઓછો થતો જાય છે. માત્ર વિન્ડોને પહોળી કરવાથી આ સમસ્યા હલ થતી નથી; માહિતી હાજર હોઈ શકે છે પરંતુ તે મોડલના અનુમાન પર હવે પ્રભાવ પાડી શકતી નથી.
પરંપરાગત મેમરી એડ-ઓન્સ દસ્તાવેજ મેળવે છે અથવા પ્રતિસાદોને વ્યક્તિગત બનાવે છે. તેઓ ક્યારે ભૂતકાળની માહિતી વર્તમાન ક્રિયાને અસર કરવા માટે પૂરતી નિર્ણાયક છે તે નક્કી કરતા નથી. પરિણામે, લાંબા સમય સુધી ચાલતા ઓટોનોમસ એજન્ટ્સ ભટકી જાય છે, ભૂલોનું પુનરાવર્તન કરે છે, અથવા વાતચીતની શરૂઆતમાં ઉલ્લેખિત કોઈ મહત્વપૂર્ણ મર્યાદા (constraint) ચૂકી જાય છે.
એક્ઝિક્યુશન અને દેખરેખને અલગ પાડવું
Meta નો જવાબ એક પ્લગ-એન્ડ-પ્લે આર્કિટેક્ચર છે જે એક્ઝિક્યુશન એન્જિનને સુપરવાઇઝરી મેમરી લેયરથી અલગ પાડે છે.
- Action Agent – એક અપરિવર્તિત લેંગ્વેજ મોડલ જે કમાન્ડ આપે છે, ટૂલ્સનો ઉપયોગ કરે છે અને વિઝિબલ આઉટપુટ આપે છે. પ્રયોગોમાં તે Claude Sonnet 4.5 છે.
- Memory Agent – બીજું મોડલ જે સમયાંતરે તાજેતરના સ્ટેપ્સની સ્લાઇડિંગ વિન્ડોની સમીક્ષા કરે છે. ટ્રાયલ્સમાં તે Claude Opus 4.6 છે.
મેમરી એજન્ટ ત્રણ ભાગવાળી મેમરી બેંક રાખે છે:
- Private Status Field – પ્રગતિ અને જોખમ વિશેના આંતરિક ફ્લેગ્સ જે એક્શન એજન્ટ જોઈ શકતો નથી.
- Knowledge Memory – ફાઇલ પાથ, કોન્ફિગરેશન વેલ્યુ અથવા API એન્ડપોઇન્ટ્સ જેવા સ્થિર તથ્યો.
- Procedural Memory – શું કામ કરી ગયું અને શું નિષ્ફળ ગયું તેનો લોગ, જેમાં નિષ્ફળ કમાન્ડ્સ અને તેને ઉકેલવા માટેના ફિક્સનો સમાવેશ થાય છે.
સમગ્ર ટ્રાન્સક્રિપ્ટનો સારાંશ આપવાને બદ lugar, મેમરી એજન્ટ હસ્તક્ષેપ કરવો કે નહીં તેનો નિર્ણય લે છે. જો તે શોધે છે કે કોઈ મહત્વપૂર્ણ વિગત ભૂલી જવામાં આવી છે, તો તે સંક્ષિપ્ત રિમાઇન્ડર આપે છે; જો નહીં, તો તે શાંત રહે છે, જેથી વધારાના ટોકન્સ અને લેટન્સી (latency) ટાળી શકાય છે.
બેન્ચમાર્ક્સ દ્વારા ખ્યાલની પુષ્ટિ
Meta એ બે પબ્લિક સ્યુટ્સ પર સિસ્ટમનું પરીક્ષણ કર્યું:
| Benchmark | Baseline success | Dual-agent success |
|---|---|---|
| Terminal-Bench 2.0 (command-line) | 38% | 46% |
| tau2-Bench (retail, airline, telecom) | 55% | 62% |
આ લાભ નોંધપાત્ર છે કારણ કે બંને લાઇનમાં સમાન એક્શન મોડલ દેખાય છે; માત્ર મેમરી લેયર બદલાયું છે. કીવર્ડ સર્ચ પર આધાર રાખતા વ્યાપકપણે ઉપયોગમાં લેવાતા પ્રોડક્શન મેમરી લેયર Mem0 ની સરખામણીમાં, Meta નો અભિગમ વધુ સારું પ્રદર્શન કરે છે. એરલાઇન-બુકિંગના સિમ્યુલેટેડ સીનاريઓમાં, વપરાશકર્તાએ ખોટી રીતે "Gold status" નો દાવો કર્યો હતો. મેમરી એજન્ટે આ વિસંગતતા પકડી પાડી, એક્શન મોડલને એરલાઇનની API માંથી વેરિફાઇડ લોયલ્ટી-સ્ટેટસ ચેક પર વિશ્વાસ કરવા માટે યાદ અપાવ્યું, અને ટ્રાન્ઝેક્શન યોગ્ય રીતે આગળ વધ્યું.
ઉદ્યોગે શા માટે ધ્યાન આપવું જોઈએ
પરિણામ એવા માર્ગ સૂચવે છે જે ક્યારેય મોટા થતા મોડલ્સ પર નિર્ભર નથી. કોન્ટેક્સ્ટ મેનેજમેન્ટને હળવા દેખરેખ રાખનાર (overseer) ને સોંપવાથી, ડેવલપર્સ પ્રાથમિક મોડલના પેરામીટર કાઉન્ટમાં વધારો કર્યા વિના ડઝનબંધ સ્ટેપ્સ સુધી વિસ્તરેલા કાર્યો માટે વિશ્વસનીયતા સુધારી શકે છે—જેમ કે સોફ્ટવેર ડીબગિંગ, જટિલ કસ્ટમર-સર્વિસ ફ્લો અથવા ઓટોનોમસ ડેટા પાઇપલાઇન્સ.
ઓટોનોમસ એજન્ટ્સ બનાવતી કંપનીઓ માટે, આ આર્કિટેક્ચર ઓફર કરે છે:
- Reduced error drift – સિસ્ટમ ભૂલી ગયેલી મર્યાદાઓ સામે સક્રિયપણે રક્ષણ આપે છે.
- Token efficiency – હસ્તક્ષેપ પસંદગીયુક્ત છે, તેથી એક્શન મોડલ ઓછા અપ્રસ્તુત ટોકન્સ પ્રોસેસ કરે છે.
- Modular upgrades – એક્શન કોરને ફરીથી ટ્રેન કર્યા વિના મેમરી કોચને નવા મોડલ સાથે બદલી શકાય છે.
ટ્રેડ-ઓફ્સ અને ખુલ્લા પ્રશ્નો
આગળ શું જોવું
Takeaway: એક સમર્પિત મેમરી કોચ પ્રાથમિક રીઝનિંગ મોડલને ફરીથી ડિઝાઇન કર્યા વિના સફળતાના દરમાં બે આંકડાનો વધારો કરી શકે છે અને "behavioral state decay" ને અટકાવી શકે છે. ટ્રેડ-ઓફ સિસ્ટમની વધારાની જટિલતા છે, પરંતુ તેનો ફાયદો—વધુ વિશ્વસનીય ઓટોનોમસ એજન્ટ્સ—વધારાના એન્જિનિયરિંગ પ્રયત્નો માટે યોગ્ય હોઈ શકે છે.