Récupération de Mémoire Innovante avec des Techniques de Prospection

Dans le domaine des systèmes de dialogue personnalisés, il est essentiel de récupérer efficacement des informations spécifiques à l'utilisateur à partir d'historiques d'interaction étendus. Les méthodes traditionnelles, telles que la génération augmentée par récupération (RAG) et GraphRAG, se concentrent généralement sur la similarité sémantique immédiate entre les requêtes et les faits stockés. Cela conduit souvent à des occasions manquées pour des informations pertinentes qui peuvent ne pas être étroitement liées à la requête initiale. Pour remédier à cette limitation, nous proposons une nouvelle méthode appelée récupération guidée par la prospection (PGR). Cette approche sépare le processus de récupération du stockage de la mémoire en utilisant les objectifs d'un utilisateur pour générer un arbre de pensée (ToT) ou une séquence d'actions probables. Ces étapes générées servent de sondes de récupération, augmentant les chances de découvrir des faits pertinents qui ne sont pas directement liés à la requête initiale. Les informations récupérées informent ensuite la prochaine phase de prospection, permettant la découverte de mémoires supplémentaires pertinentes. Nous introduisons également MemoryQuest, un banc d'essai rigoureux qui évalue cette méthode à travers divers profils d'utilisateurs. Les résultats indiquent que PGR améliore considérablement les performances de récupération, atteignant presque trois fois le taux de rappel par rapport aux méthodes existantes.