Исследователи проанализировали эффективность использования Open Knowledge Format (OKF) в качестве структуры данных для организации долгосрочной памяти ИИ-агентов. В отличие от стандартных векторных баз данных, которые полагаются на семантический поиск, OKF позволяет хранить информацию в виде графа знаний, что упрощает извлечение контекста и связей между сущностями при выполнении сложных задач.
В ходе тестирования выяснилось, что интеграция OKF в архитектуру ИИ-инструментов значительно снижает количество галлюцинаций при работе с большими массивами данных. Использование структурированного формата вместо неструктурированного текста позволяет моделям точнее отслеживать историю взаимодействия и сохранять консистентность ответов на протяжении длительных сессий. Это критически важно для систем, требующих высокой точности при обращении к накопленному опыту.
Результаты бенчмарка показывают, что переход на графовые структуры данных в памяти агентов ускоряет процесс поиска релевантной информации на 30% по сравнению с классическими RAG-системами. Метод демонстрирует потенциал для создания более надежных систем, где агент должен не просто находить похожие фрагменты текста, а восстанавливать логические цепочки событий и фактов, зафиксированных в его базе знаний.