Un article propose des « activity frames » pour la mémoire des agents
Ce compilateur déterministe transforme l’activité à l’écran en contexte vérifiable pour les agents utilisant un ordinateur.
Pourquoi c'est important
Ces travaux s’attaquent à un goulot d’étranglement concret pour les agents utilisant un ordinateur : dépenser à répétition de l’inférence pour reconstruire des routines que les utilisateurs ont déjà démontrées. Leur conception déterministe met aussi l’accent sur l’auditabilité et la mise en cache, deux aspects qui pourraient compter pour les systèmes de mémoire d’agents en entreprise.
Points clés
- 1.Un compilateur déterministe convertit l’activité à l’écran en activity frames typées.
- 2.Le test mono-utilisateur a montré une compression de 86x et une exactitude de rappel de 98,4 %.
- 3.L’approche évite les résumés générés par modèle pour construire la mémoire.
Un nouvel article publié sur arXiv décrit Activity Frames, un pipeline déterministe et sans modèle qui compile l’activité à l’écran capturée passivement en mémoire d’agent et en contexte de relecture. Le système segmente les flux de capture locaux en épisodes typés, avec des métadonnées sur l’application, le site, le minutage et le volume d’entrées, ainsi que des pointeurs de preuve vers les lignes brutes. Sur un corpus mono-utilisateur de 128 756 images couvrant 51 jours actifs, il a réduit une journée de captures brutes en un bloc prêt pour prompt, 86 fois plus petit, en 68 ms ; un agent utilisant ce bloc a répondu à des questions de rappel journalier avec une exactitude de 98,4 %, contre 66 à 80 % pour un résumé LLM de la même capture.
⚡ À tester aujourd'hui
Lisez l’article avant de construire une mémoire d’agent à partir d’enregistrements d’écran, surtout si l’auditabilité ou le coût d’inférence est une contrainte.
Sources et articles originaux
Ce brief résume et renvoie vers la couverture des médias ci-dessous.
Ce brief vous a plu ? Recevez le prochain par e-mail.
Plus dans Recherche
InternLM propose l’architecture de modèle Mobius
L’article publié sur arXiv sépare mémoire et raisonnement afin d’améliorer la compression et l’efficacité de l’inférence.
Les outils et pratiques de développement IA suscitent le débat sur Hacker News
Des publications sur MathCode, les habitudes de codage avec l’IA, Cloudflare et HEIR de Google ont alimenté les discussions.
Google fait progresser l’IA privée grâce au chiffrement homomorphe
Google affirme rendre l’IA privée plus concrètement utilisable grâce au chiffrement homomorphe.