Meta AI ಒಂದು ದ್ವಿ-ಏಜೆಂಟ್ ಮೆಮೊರಿ ಸಿಸ್ಟಮ್ ಅನ್ನು ಅನಾವರಣಗೊಳಿಸಿದೆ, ಇದು ಕಮಾಂಡ್-ಲೈನ್ ಬೆಂಚ್ಮಾರ್ಕ್ನಲ್ಲಿ ಸ್ವಾಯತ್ತ AI ಅಸಿಸ್ಟೆಂಟ್ಗಳ ಯಶಸ್ಸಿನ ದರವನ್ನು 38% ರಿಂದ 46% ಕ್ಕೆ ಮತ್ತು ಮಲ್ಟಿ-ಡೊಮೇನ್ ಸಂಭಾಷಣಾ ಬೆಂಚ್ಮಾರ್ಕ್ನಲ್ಲಿ 55% ರಿಂದ 62% ಕ್ಕೆ ಏರಿಸಿದೆ. ಬದಲಾಗದ "action" ಮಾಡೆಲ್ ಅನ್ನು, ಕಾರ್ಯದ ಇತ್ತೀಚಿನ ಹಂತಗಳನ್ನು ಗಮನಿಸುವ ಮತ್ತು ಸಂದರ್ಭವು (context) ಮರೆಯಾಗುವ ಸಂಭವವಿದ್ದಾಗ ಮಾತ್ರ ಮಧ್ಯಪ್ರವೇಶಿಸುವ ವಿಶೇಷ "memory" ಕೋಚ್ನೊಂದಿಗೆ ಜೋಡಿಸುವುದರಿಂದ ಈ ಸುಧಾರಣೆ ಸಾಧ್ಯವಾಗಿದೆ.
ದೀರ್ಘಕಾಲದ AI ಕಾರ್ಯಗಳಲ್ಲಿರುವ ಅಡಗಿರುವ ದೋಷ
ಒಂದು ಭಾಷಾ ಮಾದರಿಯು (language model) ಬಹು-ಹಂತದ ಸಮಸ್ಯೆಯನ್ನು ಎದುರಿಸಿದಾಗ, ಪ್ರತಿ ಹಂತವು ಸಂಭಾಷಣೆಯ ಇತಿಹಾಸಕ್ಕೆ ಹೆಚ್ಚಿನ ಪಠ್ಯವನ್ನು ಸೇರಿಸುತ್ತದೆ. ಮಾದರಿಯ ಮುಂದಿನ ಕ್ರಮವು ಸಂಪೂರ್ಣ ಸಂಭಾಷಣೆಯ ಮೇಲೆ ಆಧಾರಿತವಾಗಿರಬೇಕು, ಆದರೆ ಪ್ರಾಯೋಗಿಕವಾಗಿ ಸಂಬಂಧಿತ ಸತ್ಯಗಳು ಅಡಗಿಹೋಗುತ್ತವೆ. Meta ಸಂಶೋಧಕರು ಇದನ್ನು "behavioral state decay" ಎಂದು ಕರೆಯುತ್ತಾರೆ – ಅಂದರೆ ಕಾನ್ಟೆಕ್ಸ್ಟ್ ವಿಂಡೋ (context window) ಬೆಳೆದಂತೆ ಏಜೆಂಟ್ ತನ್ನ ಉದ್ದೇಶದ ಅರಿವನ್ನು ಕ್ರಮೇಣ ಕಳೆದುಕೊಳ್ಳುವುದು. ಕೇವಲ ವಿಂಡೋವನ್ನು ವಿಸ್ತರಿಸುವುದು ಈ ಸಮಸ್ಯೆಯನ್ನು ಪರಿಹರಿಸುವುದಿಲ್ಲ; ಮಾಹಿತಿ ಅಲ್ಲಿ ಇರಬಹುದು ಆದರೆ ಅದು ಮಾದರಿಯ ಮುನ್ಸೂಚನೆಗಳ ಮೇಲೆ ಪ್ರಭಾವ ಬೀರುವುದಿಲ್ಲ.
ಸಾಂಪ್ರದಾಯಿಕ ಮೆಮೊರಿ ಅಡೆ-ಆನ್ಗಳು ಒಂದು ದಾಖಲೆಯನ್ನು ಹುಡುಕುತ್ತವೆ ಅಥವಾ ಪ್ರತಿಕ್ರಿಯೆಗಳನ್ನು ವೈಯಕ್ತೀಕರಿಸುತ್ತವೆ. ಆದರೆ ಹಿಂದಿನ ಮಾಹಿತಿಯ ಒಂದು ಭಾಗವು ಪ್ರಸ್ತುತ ಕ್ರಿಯೆಯ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರಲು ಎಷ್ಟು ನಿರ್ಣಾಯಕವಾಗಿದೆ ಎಂಬುದನ್ನು ಅವು ನಿರ್ಧರಿಸುವುದಿಲ್ಲ. ಇದರ ಪರಿಣಾಮವಾಗಿ, ದೀರ್ಘಕಾಲದ ಸ್ವಾಯತ್ತ ಏಜೆಂಟ್ಗಳು ದಾರಿ ತಪ್ಪುತ್ತವೆ, ತಪ್ಪುಗಳನ್ನು ಪುನರಾವರ್ತಿಸುತ್ತವೆ ಅಥವಾ ಸಂವಹನದ ಆರಂಭದಲ್ಲಿ ಉಲ್ಲೇಖಿಸಲಾದ ನಿರ್ಣಾಯಕ ನಿರ್ಬಂಧವನ್ನು ಮರೆತುಬಿಡುತ್ತವೆ.
ಕಾರ್ಯಕ್ಷಮತೆ ಮತ್ತು ಮೇಲ್ವಿಚಾರಣೆಯನ್ನು ಪ್ರತ್ಯೇಕಿಸುವುದು
Meta ನ ಪರಿಹಾರವು ಎಕ್ಸಿಕ್ಯೂಷನ್ ಇಂಜಿನ್ ಅನ್ನು ಮೇಲ್ವಿಚಾರಣಾ ಮೆಮೊರಿ ಲೇಯರ್ನಿಂದ ಪ್ರತ್ಯೇಕಿಸುವ ಒಂದು ಪ್ಲಗ್-ಅಂಡ್-ಪ್ಲೇ ಆರ್ಕಿಟೆಕ್ಚರ್ ಆಗಿದೆ.
- Action Agent – ಕಮಾಂಡ್ಗಳನ್ನು ನೀಡುವ, ಪರಿಕರಗಳನ್ನು (tools) ಬಳಸುವ ಮತ್ತು ದೃಶ್ಯ ಫಲಿತಾಂಶವನ್ನು ನೀಡುವ ಮಾರ್ಪಡಿಸದ ಭಾಷಾ ಮಾದರಿ. ಪ್ರಯೋಗಗಳಲ್ಲಿ ಇದು Claude Sonnet 4.5 ಆಗಿದೆ.
- Memory Agent – ಇತ್ತೀಚಿನ ಹಂತಗಳ ಸ್ಲೈಡಿಂಗ್ ವಿಂಡೋವನ್ನು ನಿಯಮಿತವಾಗಿ ಪರಿಶೀಲಿಸುವ ಎರಡನೇ ಮಾದರಿ. ಪ್ರಯೋಗಗಳಲ್ಲಿ ಇದು Claude Opus 4.6 ಆಗಿದೆ.
ಮೆಮೊರಿ ಏಜೆಂಟ್ ಮೂರು ಭಾಗಗಳ ಮೆಮೊರಿ ಬ್ಯಾಂಕ್ ಅನ್ನು ಹೊಂದಿರುತ್ತದೆ:
- Private Status Field – ಪ್ರಗತಿ ಮತ್ತು ಅಪಾಯದ ಬಗ್ಗೆ ಆಕ್ಷನ್ ಏಜೆಂಟ್ಗೆ ಕಾಣಿಸದ ಆಂತರಿಕ ಫ್ಲಾಗ್ಗಳು.
- Knowledge Memory – ಫೈಲ್ ಪಥಗಳು, ಕಾನ್ಫಿಗರೇಶನ್ ಮೌಲ್ಯಗಳು ಅಥವಾ API ಎಂಡ್ಪಾಯಿಂಟ್ಗಳಂತಹ ಸ್ಥಿರವಾದ ಸತ್ಯಗಳು.
- Procedural Memory – ಯಾವುದು ಕೆಲಸ ಮಾಡಿತು ಮತ್ತು ಯಾವುದು ವಿಫಲವಾಯಿತು ಎಂಬ ಲಾಗ್, ಇದರಲ್ಲಿ ವಿಫಲವಾದ ಕಮಾಂಡ್ಗಳು ಮತ್ತು ಅವುಗಳನ್ನು ಸರಿಪಡಿಸಿದ ವಿಧಾನಗಳು ಸೇರಿವೆ.
ಸಂಪೂರ್ಣ ಸಂಭಾಷಣೆಯನ್ನು ಸಾರಾಂಶಗೊಳಿಸುವ ಬದಲು, ಮೆಮೊರಿ ಏಜೆಂಟ್ ಮಧ್ಯಪ್ರವೇಶಿಸಬೇಕೇ ಅಥವಾ ಇಲ್ಲವೇ ಎಂದು ನಿರ್ಧರಿಸುತ್ತದೆ. ಒಂದು ನಿರ್ಣಾಯಕ ವಿವರವನ್ನು ಮರೆತುಹೋಗಿದೆ ಎಂದು ಅದು ಪತ್ತೆಹಚ್ಚಿದರೆ, ಅದು ಸಂಕ್ಷಿಪ್ತ ನೆನಪನ್ನು ನೀಡುತ್ತದೆ; ಇಲ್ಲದಿದ್ದರೆ, ಅದು ಮೌನವಾಗಿರಲು, ಇದರಿಂದ ಹೆಚ್ಚಿನ ಟೋಕನ್ಗಳು ಮತ್ತು ವಿಳಂಬವನ್ನು (latency) ತಪ್ಪಿಸಬಹುದು.
ಬೆಂಚ್ಮಾರ್ಕ್ಗಳು ಪರಿಕಲ್ಪನೆಯನ್ನು ಸಾಬೀತುಪಡಿಸುತ್ತವೆ
Meta ಈ ವ್ಯವಸ್ಥೆಯನ್ನು ಎರಡು ಸಾರ್ವಜನಿಕ ಸೂಟ್ಗಳಲ್ಲಿ ಪರೀಕ್ಷಿಸಿತು:
| ಬೆಂಚ್ಮಾರ್ಕ್ | ಮೂಲಭೂತ ಯಶಸ್ಸು (Baseline success) | ದ್ವಿ-ಏಜೆಂಟ್ ಯಶಸ್ಸು (Dual-agent success) |
|---|---|---|
| Terminal-Bench 2.0 (command-line) | 38 % | 46 % |
| tau2-Bench (retail, airline, telecom) | 55 % | 62 % |
ಈ ಲಾಭಗಳು ಗಮನಾರ್ಹವಾಗಿವೆ ಏಕೆಂದರೆ ಎರಡೂ ಸಾಲುಗಳಲ್ಲಿ ಒಂದೇ ಆಕ್ಷನ್ ಮಾಡೆಲ್ ಬಳಕೆಯಾಗಿದೆ; ಕೇವಲ ಮೆಮೊರಿ ಲೇಯರ್ ಮಾತ್ರ ಬದಲಾಗಿದೆ. ಕೀವರ್ಡ್ ಸರ್ಚ್ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿರುವ, ವ್ಯಾಪಕವಾಗಿ ಬಳಕೆಯಲ್ಲಿರುವ Mem0 ಉತ್ಪಾದನಾ ಮೆಮೊರಿ ಲೇಯರ್ ಗೆ ಹೋಲಿಸಿದರೆ, Meta ನ ವಿಧಾನವು ಉತ್ತಮವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸಿದೆ. ವಿಮರ್ಶಾತ್ಮಕ ಏರ್ಲೈನ್-ಬುಕಿಂಗ್ ಸನ್ನಿವೇಶದಲ್ಲಿ, ಬಳಕೆದಾರರು ತಪ್ಪಾಗಿ "Gold status" ಎಂದು ಪ್ರತಿಪಾದಿಸಿದರು. ಮೆಮೊರಿ ಏಜೆಂಟ್ ಈ ವ್ಯತ್ಯಾಸವನ್ನು ಪತ್ತೆಹಚ್ಚಿ, ಏರ್ಲೈನ್ನ API ಯಿಂದ ಬಂದ ಪರಿಶೀಲಿತ ಲಾಯಲ್ಟಿ-ಸ್ಟೇಟಸ್ ಚೆಕ್ ಅನ್ನು ನಂಬುವಂತೆ ಆಕ್ಷನ್ ಮಾಡೆಲ್ಗೆ ನೆನಪಿಸಿತು, ಮತ್ತು ವಹಿವಾಟು ಸರಿಯಾಗಿ ಮುಂದುವರಿಯಿತು.
ಉದ್ಯಮವು ಏಕೆ ಗಮನ ಹರಿಸಬೇಕು
ಈ ಫಲಿತಾಂಶವು ಕೇವಲ ದೊಡ್ಡ ಮಾದರಿಗಳ ಮೇಲೆ ಅವಲಂಬಿತವಾಗದ ಮುಂದಿನ ಹಾದಿಯನ್ನು ಸೂಚಿಸುತ್ತದೆ. ಕಾನ್ಟೆಕ್ಸ್ಟ್ ಮ್ಯಾನೇಜ್ಮೆಂಟ್ ಅನ್ನು ಒಂದು ಲೈಟ್ವೇಯ್ಟ್ ಮೇಲ್ವಿಚಾರಕನಿಗೆ ವಹಿಸುವ ಮೂಲಕ, ಅತೀ ಹೆಚ್ಚು ಹಂತಗಳನ್ನು ಹೊಂದಿರುವ ಕಾರ್ಯಗಳಿಗಾಗಿ (ಸಾಫ್ಟ್ವೇರ್ ಡಿಬಗ್ಗಿಂಗ್, ಸಂಕೀರ್ಣ ಗ್ರಾಹಕ ಸೇವಾ ಹರಿವುಗಳು ಅಥವಾ ಸ್ವಾಯತ್ತ ಡೇಟಾ ಪೈಪ್ಲೈನ್ಗಳು) ಪ್ರಾಥಮಿಕ ಮಾದರಿಯ ಪ್ಯಾರಾಮೀಟರ್ ಸಂಖ್ಯೆಯನ್ನು ಹೆಚ್ಚಿಸದೆ ವಿಶ್ವಾಸಾರ್ಹತೆಯನ್ನು ಸುಧಾರಿಸಬಹುದು.
ಸ್ವಾಯತ್ತ ಏಜೆಂಟ್ಗಳನ್ನು ನಿರ್ಮಿಸುತ್ತಿರುವ ಕಂಪನಿಗಳಿಗೆ, ಈ ಆರ್ಕಿಟೆಕ್ಚರ್ ಈ ಕೆಳಗಿನವುಗಳನ್ನು ನೀಡುತ್ತದೆ:
- ಕಡಿಮೆಯಾದ ಎರರ್ ಡ್ರಿಫ್ಟ್ (Reduced error drift) – ಮರೆತುಹೋದ ನಿರ್ಬಂಧಗಳ ವಿರುದ್ಧ ಈ ವ್ಯವಸ್ಥೆಯು ಸಕ್ರಿಯವಾಗಿ ರಕ್ಷಣೆ ನೀಡುತ್ತದೆ.
- ಟೋಕನ್ ದಕ್ಷತೆ (Token efficiency) – ಮಧ್ಯಪ್ರವೇಶಗಳು ಆಯ್ದವುಗಳಾಗಿರುತ್ತವೆ, ಆದ್ದರಿಂದ ಆಕ್ಷನ್ ಮಾಡೆಲ್ ಕಡಿಮೆ ಅಪ್ರಸ್ತುತ ಟೋಕನ್ಗಳನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುತ್ತದೆ.
- ಮಾಡ್ಯುಲರ್ ಅಪ್ಗ್ರೇಡ್ಗಳು (Modular upgrades) – ಆಕ್ಷನ್ ಕೋರ್ ಅನ್ನು ಮರುತರಬೇತಿಗೊಳಿಸದೆ ಮೆಮೊರಿ ಕೋಚ್ ಅನ್ನು ಹೊಸ ಮಾದರಿಗೆ ಬದಲಾಯಿಸಬಹುದು.
ವಿನಿಮಯಗಳು ಮತ್ತು ಮುಕ್ತ ಪ್ರಶ್ನೆಗಳು
ಮುಂದೆ ಏನನ್ನು ಗಮನಿಸಬೇಕು
ಸಾರಾಂಶ: ಒಂದು ಮೀಸಲಾದ ಮೆಮೊರಿ ಕೋಚ್ ಪ್ರಾಥಮಿಕ ರೀಸನಿಂಗ್ ಮಾಡೆಲ್ ಅನ್ನು ಮರು ವಿನ್ಯಾಸಗೊಳಿಸದೆ ಯಶಸ್ಸಿನ ದರದಲ್ಲಿ ದ್ವಿ ಅಂಕಿಗಳ ಏರಿಕೆಯನ್ನು ತರಬಲ್ಲದು ಮತ್ತು ವರ್ತನೆಯ ಸ್ಥಿತಿಯ ಕ್ಷೀಣತೆಯನ್ನು (behavioral state decay) ತಡೆಯಬಲ್ಲದು. ಇದರ ವಿನಿಮಯವು ಸಿಸ್ಟಮ್ ಸಂಕೀರ್ಣತೆಯ ಹೆಚ್ಚಳವಾಗಿದೆ, ಆದರೆ ಇದರ ಪ್ರತಿಫಲ—ಹೆಚ್ಚು ವಿಶ್ವಾಸಾರ್ಹ ಸ್ವಾಯತ್ತ ಏಜೆಂಟ್ಗಳು—ಹೆಚ್ಚುವರಿ ಎಂಜಿನಿಯರಿಂಗ್ ಪ್ರಯತ್ನಕ್ಕೆ ಯೋಗ್ಯವಾಗಿರಬಹುದು.