Weighted Memory Tree: Uzun Süreli Yapay Zeka Ajanları İçin Yeni Bellek Sistemi

Weighted Memory Tree (WMT), uzun süreli yapay zeka ajanlarının bellek yönetimi için geliştirilmiş yeni bir sistem. Araştırmacılar, bu hiyerarşik bellek yaklaşımının mevcut doğrusal bellek yöntemlerine kıyasla önemli avantajlar sunduğunu ortaya koydu. WMT, GAIA-Text testlerinde %9.97 doğruluk artışı ve %32.8 daha az prompt token kullanımı sağladı.

Weighted Memory Tree Nedir?

WMT, yapay zeka ajanlarının çalışma geçmişlerini düzenlemek ve sıkıştırmak için tasarlanmış bir bellek sistemi. Sistem, yürütmeyi görevler, alt görevler ve eylemlere organize ediyor. Her bellek öğesine dinamik bir bekletme puanı (retention score) atanıyor. Bu puanlar, olay tabanlı güncellemeler ve seçim tabanlı çürüme ilerevize ediliyor.

Nasıl Çalışıyor?

Sistemin çalışma prensibi şu şekilde özetlenebilir:

• Olay tabanlı güncellemeler: Yeni bilgi sisteme her eklendiğinde, ilgili bellek öğelerinin bekletme puanı yükseliyor.
• Seçim tabanlı çürüme: Belirli bir süre kullanılmayan bellek öğelerinin puanı düşüyor.
• Katlame (Folding): Bir alt görev tamamlandığında, adım adım detaylar kısa bir özete dönüşüyor. Orijinal detaylar gerektiğinde geri alınabilir şekilde saklanıyor.

Başlıca Bulgular

Araştırma sonuçlarına göre WMT şu avantajları sunuyor:

• Doğrusal belleğe kıyasla ortalama 9.97 puan daha yüksek doğruluk
• %32.8 daha az prompt token kullanımı
• Bellek zehirlenme deneylerinde güvenilir olmayan bilgilerin yayılımını sınırlama
• Faydalı bilgileri korurken düşük değerli içerikleri bastırma

Teknik Detaylar

Sistem, Qwen3-8B, Gemma 4 E4B ve Llama-3.1-8B modelleri üzerinde GAIA-Text benchmark’ında test edildi. Araştırma, Quang Dao, Purvi Kathalkar ve Kenneth Eaton tarafından yürütüldü.

Pratik Uygulamalar

WMT’nin en önemli avantajlarından biri, bağlam kırpmanın kalıcı olmaması. Geleneksel sistemlerde yanlış bir bilgi çıkarıldığında geri alma imkanı yok. WMT ise aynı token tasarrufunu sağlarken detaylara erişimi koruyor. Bu özellik, uzun süreli ajan görevlerinde kritik öneme sahip.

Araştırmacıların vardığı temel sonuç şu: “Etkili uzun süreli ajan belleği, daha fazla bilgi depolamaktan çok hangi bilginin aktif kalması gerektiğini belirlemekle ilgili.”

Kaynak: @dair_ai / X | arxiv.org/abs/2608.20631