Исследователи представили PsychoAgent — архитектуру для ИИ-агентов, имитирующую человеческий механизм формирования памяти. В отличие от стандартных RAG-систем, опирающихся только на семантическое сходство, PsychoAgent разделяет фактологические и эмоциональные данные. Это позволяет агентам учитывать аффективную значимость и неразрешенные конфликты при извлечении опыта, делая процесс принятия решений более глубоким и контекстуально обоснованным.

Традиционные системы памяти в LLM часто страдают от «плоского» поиска, где релевантность определяется исключительно векторной близостью текста. PsychoAgent внедряет исполнительный контроллер, который фильтрует воспоминания через призму эмоциональной окраски и конфликтности. Такой подход позволяет агенту приоритизировать информацию, которая была эмоционально значимой или осталась «незавершенной» в ходе прошлых взаимодействий, что критически важно для долгосрочного планирования и ведения сложных диалогов.

Архитектура системы включает многоуровневую структуру: первичный отбор по семантике дополняется анализом аффективных весов. Если агент сталкивается с ситуацией, напоминающей прошлый неразрешенный конфликт, система активирует специфические механизмы извлечения, помогая модели избегать повторения ошибок или учитывать эмоциональный фон пользователя. Это приближает поведение ИИ к когнитивным моделям человека, где память неразрывно связана с пережитым опытом.

Ключевые факты

  • PsychoAgent разделяет память на два независимых потока: фактологический и аффективный.
  • Исполнительный контроллер архитектуры использует алгоритмы оценки конфликтности для приоритизации извлекаемых данных.
  • Система имитирует человеческий когнитивный процесс, где доступ к памяти определяется не только тематикой, но и эмоциональной значимостью событий.
  • Архитектура предназначена для улучшения долгосрочной памяти агентов в сценариях, требующих сложного социального взаимодействия и учета контекста прошлых ошибок.