Wetenschappers hebben een innovatieve benadering ontwikkeld voor het persistent geheugen van kunstmatige intelligentie. In plaats van te vertrouwen op eenvoudige tekstuele terugwinning, focust de nieuwe methode, genaamd xmemory, op het gebruik van gestructureerde schema's. Deze verschuiving zorgt voor een aanzienlijke stijging in de precisie van feiten en statusupdates binnen AI-agenten.
In de huidige stand van zaken wordt het geheugen van AI-systemen vaak behandeld als een retrieval-probleem. Hierbij worden interacties als tekst opgeslagen en via embeddings doorzocht. Hoewel dit effectief is voor het herkennen van algemene thema's, schiet het tekort bij taken die absolute precisie vereisen, zoals het bijhouden van exacte relaties, huidige statussen of specifieke feiten. Volgens een publicatie op arxiv.org bestaat er een mismatch tussen deze traditionele zoekmethoden en de behoeften van AI-agenten in professionele productieomgevingen.
De auteurs van het onderzoek, waaronder Alexander Gusak en Alex Petrov, stellen dat een betrouwbaar extern geheugen voor AI 'schema-grounded' moet zijn. Een schema fungeert hierbij als een kader dat bepaalt welke informatie essentieel is om te onthouden, wat genegeerd kan worden en welke waarden niet door het model zelf mogen worden ingevuld. Dit concept is nauw verwant aan de cognitieve psychologie, waar een simplypsychology.org wordt gedefinieerd als een mentale structuur die kennis over objecten, personen of gebeurtenissen organiseert op basis van eerdere ervaringen.
Van interpretatie naar verificatie
De kern van de xmemory-benadering is het verplaatsen van de interpretatie van het leesproces ('read path') naar het opslagproces ('write path'). In plaats van dat een model telkens opnieuw probeert betekenis te geven aan ongestructureerde tekst, worden gegevens bij de invoer direct gestructureerd.
Dit proces van geheugenopname verloopt via drie specifieke stappen: de detectie van objecten, de detectie van velden en de uiteindelijke extractie van de waarden in die velden. Om de kwaliteit te waarborgen, is dit traject uitgerust met validatiepoorten, lokale retries en stateful prompt-controle. Hierdoor worden leesacties beperkt tot queries over geverifieerde records, wat de kans op foutieve inferenties minimaliseert.
Resultaten in benchmarks
De effectiviteit van xmemory is getest via diverse benchmarks voor end-to-end geheugen en gestructureerde extractie. De resultaten, zoals beschreven in het , tonen een duidelijke voorsprong op bestaande frontier-modellen.
In een configuratie met een 'judge-in-the-loop' behaalde het systeem een nauwkeurigheid op objectniveau van 90,42% en een output-nauwkeurigheid van 62,67%. Op de end-to-end geheugenbenchmark scoorde xmemory een F1-score van 97,10%, terwijl concurrerende baselines tussen de 80,16% en 87,24% bleven steken. Daarnaast werd een nauwkeurigheid van 95,2% bereikt bij taken op applicatieniveau, waarmee het systeem zowel gespecialiseerde geheugensystemen als code-gegenereerde Markdown-harnesses overtrof.
Psychologische context en AI-toepassing
Het gebruik van schema's in AI is een technologische vertaling van menselijke cognitie. In de psychologie helpen schema's het menselijk brein om nieuwe informatie snel te interpreteren door verwachte details in te vullen. Echter, zoals uitgelegd door , kunnen deze mentale structuren bij mensen ook leiden tot vervormingen van herinneringen, omdat informatie wordt aangepast aan het bestaande schema.
In de implementatie van xmemory wordt dit psychologische mechanisme juist gebruikt om onvoorspelbaarheid uit te sluiten. Waar menselijke schema's soms shortcuts zijn die tot fouten leiden, dienen de schema's in dit AI-systeem als strikte kaders om de betrouwbaarheid te garanderen. De onderzoekers concluderen dat voor workloads die stabiele feiten en stateful berekeningen vereisen, de architectuur van het geheugen belangrijker is dan de brute rekenkracht van het model of de schaal van de retrieval. De overgang naar schema-gebaseerd geheugen zorgt ervoor dat AI-geheugen minder functioneert als een zoekmachine en meer als een accuraat register van feiten.