نظام SLICE-Mem يقلّص استهلاك رموز الذاكرة في وكلاء الذكاء الاصطناعي بنسبة 92% دون التأثير على الجودة

كيف تتم عملية اختيار الذكريات

حلّ باحثون من جامعة هونغ كونغ التقنية وجامعة الصين الجنوبية للتكنولوجيا ووحدات بحثية تابعة لهما مشكلة مألوفة لكل من يبني وكلاء ذكاء اصطناعي ذوي ذاكرة طويلة الأمد: لكي يتذكر الوكيل المستخدم بين الجلسات، يجب تقييم كل عبارة يقولها وتحليلها وتخزينها — وهي عملية تُنجز في معظم الأحيان باستخدام نموذج لغوي كبير. وكلما طالت المحادثة، تكرر استدعاء النموذج أكثر، وارتفعت تكلفة الرموز بوتيرة أسرع من الفائدة المتحققة من الذكريات المحفوظة.

اقترح الفريق نظام SLICE-Mem، الذي يستبعد النموذج اللغوي من المرحلة الأكثر تكرارًا — وهي مرحلة التسجيل المباشر عبر الإنترنت — ويخصّصه فقط لعملية "تنظيف" نادرة تُجرى في الخلفية.

بدلًا من سؤال نموذج لغوي كبير "هل تستحق هذه العبارة الحفظ؟"، دَرَّب فريق SLICE-Mem مصنّفًا صغيرًا يُسمى "مرشّح الأهمية". يفحص هذا المرشّح عبارة المستخدم إلى جانب عدة رسائل سابقة من المحادثة، ويُقدّر احتمال أن تكون المعلومة جديرة بالحفظ: تفضيلات، حقائق، خطط، وعود. وقد تم تدريبه على بيانات موسومة قام فيها ثلاثة نماذج لغوية كبيرة "معلِّمة" مختلفة بالتصويت على أهمية كل عبارة، بالإضافة إلى تصنيفات جاهزة من مجموعات بيانات مفتوحة. وتم ضبط عتبة الاختيار تجريبيًا؛ فمن بين تسع طرق اختيار مختلفة، اختار الباحثون الطريقة التي أعطت أفضل نتيجة نهائية في اختبار Memora Weekly.

إذا تجاوزت العبارة هذا المرشّح، فإنها لا تُرسل إلى النموذج لإعادة صياغتها — بل يقوم محلل لغوي تقليدي بتحديد الفعل في الجملة والعناصر المرتبطة به: من الفاعل، وماذا حدث، ومتى، ولماذا، وأين. ومن هذه العناصر تُبنى مذكرة مختصرة تحافظ قدر الإمكان على الصياغة الأصلية لكلام المستخدم، دون أي إعادة صياغة من النموذج. وإذا لم تتمكن الخوارزمية من استخراج أي عنصر مفيد، فإنها تحتفظ ببساطة بنسخة منظّفة من العبارة الأصلية، تجنبًا لفقدان المعلومة بالكامل.

ماذا يحدث للذاكرة بعد ذلك

تتم معالجة المذكرات المحفوظة سابقًا — كالبحث عن التكرارات أو الحقائق القديمة (مثل انتقال شخص إلى مكان آخر أو تغييره لعمله) — بشكل منفصل، في الخلفية، وهنا فقط يتم استدعاء النموذج اللغوي. يقارن النموذج المذكرة الجديدة بمذكرات قديمة مشابهة، ويقرر: الاحتفاظ بالمذكرتين كما هما، أو وضع علامة على إحداهما بأنها نسخة مكررة من مذكرة أحدث، أو وضع علامة على المذكرة القديمة بأنها متقادمة (مع الإشارة إلى البديل)، أو الإشارة إلى أن المذكرتين تكمّلان بعضهما فقط. ولا يُعاد كتابة النص الأصلي للمذكرات أو حذفه أبدًا — بل تتغير فقط حالتها في عملية البحث.

نتائج الاختبارات

في اختبار Memora Weekly (وهو اختبار لذاكرة الوكيل يعاقب على استخدام معلومات كان يجب نسيانها)، وبإعداد يعتمد على نموذج Qwen 30B، حقق SLICE-Mem نتيجة 46.60 مقابل 46.68 للنظام المماثل MemOS — فرق يقع في حدود هامش الخطأ. ومع ذلك، استهلك SLICE-Mem 0.536 مليون رمز مقابل 7.009 ملايين رمز لنظام MemOS — أي انخفاض بنسبة 92.4% — وانخفض زمن بناء الذاكرة من 2.378 ساعة إلى 0.362 ساعة (أي أسرع بنسبة 84.8%).

وفي اختبار LongMemEval-S (الذي يتضمن أسئلة حول حقائق متعددة الجلسات، وتحديث المعرفة، والاستدلال الزمني)، كان الفرق في الدقة أكثر وضوحًا: 56.8% لنظام SLICE-Mem مقابل 59.3% لنظام MemOS. لكن توفير الرموز هنا كان في أقصاه — بنسبة 99.5%.

ولعملية "تنظيف" الذاكرة في الخلفية تأثير متباين على النتيجة النهائية. فعلى اختبار Memora Weekly، رفعت الدقة إلى 46.74 (مع نموذج 30B) وإلى 47.29 (مع نموذج 8B)، لكن الاستهلاك الإجمالي للرموز ارتفع في المقابل إلى ما بين 3.34 و3.36 مليون رمز — أي ما يقارب ستة أضعاف الاستهلاك في الوضع المباشر "النقي" دون تنظيف. فالزيادة في الجودة موجودة، لكنها تُكلّف عددًا إضافيًا معتبرًا من الرموز.

ما تعنيه هذه النتائج عمليًا

بالنسبة للفرق التي تبني مساعدين شخصيين بالذكاء الاصطناعي يحتفظون بذاكرة عن المستخدم، يوضّح نظام SLICE-Mem حلًا وسطًا عمليًا: يمكن تقليص استهلاك الرموز بمقدار كبير دون فقدان يُذكر في جودة الذاكرة، عن طريق استبدال النموذج اللغوي بمصنّف خفيف وتحليل نحوي في المرحلة الأكثر تكرارًا — وهي مرحلة التسجيل. وينبغي الاحتفاظ بالنموذج فقط لعملية تنظيف نادرة في الخلفية، حيث يلزم مقارنة المذكرات ببعضها وحل التعارضات بينها — وهناك يكون دور النموذج مبررًا بزيادة ملحوظة إحصائيًا، وإن كانت متواضعة، في الدقة.