“我的智能体更懂我”：在基于 LLM 的智能体中集成动态类人记忆回忆与巩固
人机交互
2024-04-02 v1
摘要
在本研究中，我们提出了一种新颖的类人记忆架构，旨在增强基于大语言模型的对话智能体的认知能力。我们提出的架构使智能体能够自主回忆生成响应所需的记忆，从而有效解决了 LLM 在时间认知方面的局限性。我们采用人类记忆线索回忆作为触发机制，以实现准确高效的记忆回忆。此外，我们开发了一个动态量化记忆巩固的数学模型，考虑了上下文相关性、流逝时间和回忆频率等因素。智能体将用户交互历史中检索到的记忆存储在数据库中，该数据库封装了每条记忆的内容和时间上下文。因此，这种战略性存储使智能体能够回忆特定记忆，并在时间上下文中理解其对用户的意义，类似于人类识别和回忆过去经历的方式。
引用
@article{arxiv.2404.00573,
title = {"My agent understands me better": Integrating Dynamic Human-like Memory Recall and Consolidation in LLM-Based Agents},
author = {Yuki Hou and Haruki Tamoto and Homei Miyashita},
journal= {arXiv preprint arXiv:2404.00573},
year = {2024}
}
备注
Accepted to CHI 2024 Late-Breaking Work