MemCtrl: MLLMs כבקרי זיכרון לסוכנים מגולמים

בעידן שבו סוכנים מגולמים כמו רובוטים חייבים לפעול בזמן אמת תחת אילוצי זיכרון וחישוב מחמירים, חוקרים מציגים את MemCtrl – מסגרת חדשנית המשתמשת בדגמי שפה גדולים רב-מודליים (MLLMs) כדי לגזום זיכרון באופן מקוון. דגמי יסוד מסתמכים על למידה בהקשר להתאמה אישית של קבלת החלטות, אך חלון ההקשר המוגבל מחייב דחיסת זיכרון ומערכות השבה כמו RAG. מערכות אלה מתייחסות לזיכרון כאל מאגר לא מקוון גדול, מה שלא מתאים לסוכנים מגולמים. MemCtrl משלבת ראש זיכרון לומד μ כשער שקובע אילו תצפיות או הרהורים לשמור, לעדכן או לזרוק במהלך חקירה. (72 מילים) MemCtrl מרחיבה את יכולות ה-MLLMs על ידי הוספת ראש הזיכרון μ, שפועל כמנגנון שער חכם. החוקרים אימנו שני סוגים של μ: אחד באמצעות מומחה לא מקוון, והשני באמצעות למידת חיזוק מקוונת (RL). השיפור נמדד במבחן EmbodiedBench, כאשר MLLMs מוגברות ב-MemCtrl הראו שיפור ממוצע של כ-16% בהשלמת משימות מגולמות, ועד 20% ומעלה בתתי-קבוצות של הוראות ספציפיות. ניתוח איכותני של רסיסי הזיכרון שנאספו על ידי μ הדגיש ביצועים מעולים בהוראות ארוכות ומסובכות. (92 מילים) לעומת מערכות RAG מסורתיות, שמתאימות יותר ליישומים סטטיים, MemCtrl מותאמת לפעולה מקוונת ומגיבה, מה שחיוני לסוכנים הפועלים בסביבות דינמיות כמו בתים חכמים או מפעלים. לפי הדיווח, השיטה משפרת משמעותית את יכולת ההשלמה הכוללת של משימות מגולמות על MLLMs בעלות ביצועים נמוכים יחסית. זהו צעד קדימה בניהול זיכרון אקטיבי, שמאפשר לסוכנים לנהל משאבים בצורה יעילה יותר תחת אילוצים. (85 מילים) המשמעות העסקית בולטת עבור חברות ישראליות המפתחות רובוטיקה ו-AI מגולם, כמו Mobileye או חברות סטארט-אפ בתחום. שיפור של 16%-20% בביצועים יכול להאיץ פריסה מסחרית ולהפחית עלויות חישוב. MemCtrl מדגימה כיצד ניתן לשלב MLLMs קיימים עם מנגנוני זיכרון חכמים לשדרוג מיידי, ללא צורך באימון מחדש מלא של הדגם. (78 מילים) עבור מנהלי טכנולוגיה, השאלה היא כיצד ליישם MemCtrl בפרויקטים קיימים. המסגרת מציעה פוטנציאל לשינוי חוקי המשחק בסוכנים אוטונומיים – האם זה הזמן לבדוק אוגמנטציה של MLLMs בזיכרון אקטיבי? קראו את המאמר המלא ב-arXiv לפרטים נוספים. (53 מילים)