בעידן שבו מודלי שפה גדולים (LLM) מנהלים שיחות ארוכות וממושכות, מתעוררת בעיה מרכזית: מגבלות חלון ההקשר גורמות לאובדן מידע חיוני או פרטים עדינים. גישות קיימות כמו קיצוץ או סיכום זורקות מידע מוקדם או מאבדות ניואנסים. כאן נכנסת CogCanvas – מסגרת ללא אימון שמפיקה 'ממשיים קוגניטיביים' מבוססי טקסט מקורי (החלטות, עובדות, תזכורות) מתוך סיבובי שיחה, ומארגנת אותם בגרף מודע לזמן להחזרה עמידה לכיווץ.
CogCanvas מציגה תוצאות מרשימות בבנצ'מרק LoCoMo: דיוק כולל של 34.7%, גבוה ב-9.1 נקודות אחוז מ-RAG (25.6%) וב-21.0 נקודות אחוז מ-GraphRAG (13.7%). היתרון בולט במיוחד בהיגיון זמני: 31.5% לעומת 9.3% ב-RAG ו-5.0% ב-GraphRAG – שיפור יחסי של 530%. במבחני סיבה-ותוצאה רב-קפיצות, CogCanvas משיגה 81.0% הצלחה לעומת 40.0% ב-GraphRAG (+41 נקודות אחוז).
במבחנים מבוקרים, המסגרת משיגה שיעור החזרה של 97.5% (+78.5 נקודות אחוז לעומת סיכום) עם שימור התאמה מדויקת של 93.0%. לפי החוקרים, בעוד גישות מותאמות מאוד עם אימון מיוחד כמו EverMemOS מגיעות ל-92% דיוק, CogCanvas מספקת אלטרנטיבה מיידית לשימוש, ללא צורך באימון, ועדיין עולה על בסיסי סטנדרטיים.
המשמעות העסקית עצומה: עסקים ישראלים בתחום ה-AI, כמו סטארט-אפים בפינטק או רפואה, זקוקים לזיכרון מדויק בשיחות צ'אטבוטים ארוכות עם לקוחות. CogCanvas מאפשרת שילוב מהיר במערכות קיימות, משפרת החלטות מבוססות שיחה ומפחיתה טעויות יקרות. בהשוואה ל-RAG או GraphRAG, היא מציעה יתרון משמעותי בהקשרים זמניים מורכבים.
לסיכום, CogCanvas פותחת דלת ליישומים מתקדמים בשיחות LLM ארוכות. מנהלי טכנולוגיה צריכים לבדוק את הקוד הזמין ב-GitHub: https://github.com/tao-hpu/cog-canvas ולשקול אינטגרציה. מה תהיה ההשפעה על צ'אטבוטים עסקיים בישראל?