Инновационное Извлечение Памяти с Использованием Техник Проспекции

В области персонализированных диалоговых систем эффективное извлечение информации, специфичной для пользователя, из обширных историй взаимодействия является ключевым. Традиционные методы, такие как Генерация с Увеличением Извлечения (RAG) и GraphRAG, обычно сосредоточены на немедленной семантической схожести между запросами и хранимыми фактами. Это часто приводит к упущенным возможностям для получения релевантной информации, которая может не быть тесно связанной с исходным запросом. Чтобы решить эту проблему, мы предлагаем новый метод, называемый Извлечение, Руководствующееся Проспекцией (PGR). Этот подход отделяет процесс извлечения от хранения памяти, используя цели пользователя для генерации Дерева Мыслей (ToT) или последовательности вероятных следующих действий. Эти сгенерированные шаги служат зондами для извлечения, увеличивая шансы обнаружить соответствующие факты, которые не связаны напрямую с первоначальным запросом. Извлеченная информация затем информирует следующую фазу проспекции, позволяя обнаружить дополнительные релевантные воспоминания. Мы также представляем MemoryQuest, строгую оценочную систему, которая оценивает этот метод по различным профилям пользователей. Результаты показывают, что PGR значительно улучшает производительность извлечения, достигая почти трехкратного увеличения уровня извлечения по сравнению с существующими методами.