Các AI agent chạy dài hạn cần bộ nhớ bền vững để học hỏi qua các phiên làm việc, giảm việc tiêm ngữ cảnh lặp lại và cho phép kiểm tra các quyết định trong quá khứ. Tuy nhiên, các hệ thống bộ nhớ agent và mô hình cơ sở dữ liệu hiện tại đang coi bộ nhớ chỉ đơn thuần là kho lưu trữ, dẫn đến nhiều lỗi hệ thống.
Diễn biến
Nghiên cứu chỉ ra 4 chế độ thất bại phổ biến: tăng trưởng không kiểm soát, thiếu sửa đổi ngữ nghĩa, quên do đầy bộ nhớ và truy xuất chỉ đọc. Nhóm tác giả đề xuất khái niệm Governed Evolving Memory (GEM) — xem bộ nhớ agent dài hạn là một khối lượng công việc quản lý dữ liệu mới. Trong GEM, tính chính xác là thuộc tính của quỹ đạo trạng thái, chứ không phải của từng bản ghi riêng lẻ.
GEM thay thế các thao tác cơ sở dữ liệu cấp bản ghi bằng 4 toán tử cấp trạng thái: tiếp nhận (ingestion), sửa đổi (revision), quên (forgetting) và truy xuất (retrieval). Nhóm nghiên cứu đã hiện thực hóa trừu tượng này trong MemState, một nguyên mẫu chạy trên nền tảng property-graph, chứng minh tính khả thi và chỉ ra khoảng cách cần lấp đầy để xây dựng một engine bộ nhớ bản địa.
Vì sao đáng chú ý
Việc chuyển dịch từ 'lưu trữ dữ liệu' sang 'quản lý trạng thái bộ nhớ' là bước ngoặt quan trọng để xây dựng các AI agent có khả năng hoạt động hàng năm trời mà không bị 'ngáo' hay mất kiểm soát. Với các kỹ sư dữ liệu và AI tại Việt Nam, đây là hướng nghiên cứu mở ra các kiến trúc hệ thống mới, nơi bộ nhớ không chỉ là một bảng SQL hay vector database đơn thuần, mà là một thực thể sống động, có khả năng tự tiến hóa và điều chỉnh theo thời gian.