AriGraph: تعلم نماذج عوالم رسومية معرفية باستخدام الذاكرة الحلقية لوكلاء LLM

أحدثت التطورات في الذكاء الاصطناعي التوليدي توسعًا في التطبيقات المحتملة لنماذج اللغة الكبيرة (LLMs) في تطوير الوكلاء المستقلين. تحقيق الاستقلالية الحقيقية يتطلب تراكم وتحديث المعرفة المكتسبة من التفاعلات مع البيئة واستخدامها بشكل فعّال. تستخدم النهج الحالية القائمة على LLM الخبرات السابقة عبر سجل كامل للملاحظات أو التلخيص أو تعزيز الاسترجاع. ومع ذلك، فإن تمثيلات الذاكرة غير المهيكلة هذه لا تسهل عمليات الاستدلال والتخطيط الضرورية لاتخاذ القرارات المعقدة. في دراستنا، نقدم AriGraph، وهو طريقة جديدة يقوم فيها الوكيل بإنشاء رسم بياني ذاكري يدمج الذكريات الدلالية والحلقية أثناء استكشاف البيئة. تسهل هذه البنية البيانية الاسترجاع الترابطي الفعال للمفاهيم المترابطة ذات الصلة بحالة الوكيل الحالية وأهدافه، مما يخدم كنموذج بيئي فعال يعزز قدرات الوكيل في الاستكشاف والتخطيط. نُظهر أن وكيل Ariadne LLM، المزوّد بهيكلية الذاكرة المقترحة والمصاحبة للتخطيط واتخاذ القرار، يتعامل بفعالية مع المهام المعقدة بنظام الصفر-تجريبي في بيئة TextWorld. تتفوق نهجنا بشكل واضح على الطرق المعروفة مثل السجل الكامل والتلخيص والتوليد المعزز بالاسترجاع في مهام متعددة، بما في ذلك تحدي الطهي من مسابقة First TextWorld Problems ومهام جديدة مثل تنظيف المنزل وصيد الكنوز في الألغاز.