Краткое содержание

arXiv:2511.13593v1 Тип объявления: новый Аннотация: Последние достижения агентов, основанных на больших языковых моделях (LLM), продемонстрировали значительный потенциал в создании человекоподобных ответов; однако они продолжают сталкиваться с проблемами поддержания долгосрочных взаимодействий в сложных средах, главным образом вследствие ограничений контекстной согласованности и динамической персонализации. Существующие системы памяти часто полагаются на семантическое группирование перед извлечением, что может упускать семантически нерелевантную, но критически важную информацию от пользователей и вводить шум при поиске. В данном отчете мы предлагаем первоначальный дизайн O-Mem — новой архитектуры памяти, основанной на активном профилировании пользователей, которая динамически извлекает и обновляет характеристики пользователей и записи событий из их инициативных взаимодействий с агентами. O-Mem поддерживает иерархический поиск атрибутов персоны и тематического контекста, обеспечивая более адаптивные и когерентные персонализированные ответы. O-Mem достигает показателя 51,76% на общедоступном эталонном тесте LoCoMo, демонстрируя почти трехпроцентное улучшение...