Artigo propõe Activity Frames para memória de agentes
O compilador determinístico transforma a atividade na tela em contexto auditável para agentes de uso de computador.
Por que importa
O trabalho mira um gargalo prático para agentes de uso de computador: gastar inferência repetidamente para reconstruir rotinas que os usuários já demonstraram. Seu desenho determinístico também enfatiza auditabilidade e cache, pontos que podem ser importantes para sistemas corporativos de memória de agentes.
Pontos-chave
- 1.Compilador determinístico converte atividade de tela em frames de atividade tipados.
- 2.Teste com usuário único mostrou compressão de 86 vezes e 98,4% de precisão de recordação.
- 3.A abordagem evita resumos gerados por modelo na construção da memória.
Um novo artigo no arXiv descreve Activity Frames, um pipeline determinístico e sem uso de modelos para compilar atividade de tela capturada passivamente em memória de agente e contexto de reprodução. O sistema segmenta fluxos de captura locais em episódios tipados, com metadados de aplicação, site, tempo e volume de entrada, além de ponteiros de evidência para linhas brutas. Em um corpus de usuário único com 128.756 frames ao longo de 51 dias ativos, ele reduziu um dia de captura bruta a um bloco pronto para prompt 86 vezes menor em 68 ms; um agente usando esse bloco respondeu a perguntas de recordação do dia com 98,4% de precisão, ante 66% a 80% para um resumo de LLM da mesma captura.
⚡ Experimente hoje
Leia o artigo antes de construir memória de agentes a partir de gravações de tela, especialmente se auditabilidade ou custo de inferência forem restrições.
Fontes e reportagens originais
Este resumo sintetiza e linka a cobertura dos veículos abaixo.
Gostou deste resumo? Receba o próximo no seu e-mail.
Mais em Pesquisa
Pesquisadores propõem modelo de difusão para remover reflexos em vídeos
O S2R combina simulação física de reflexos com um modelo de difusão para remoção em vídeo e um benchmark.
Artigo defende que a segurança de agentes precisa de contratos em tempo de execução
O artigo no arXiv afirma que o alinhamento durante o treinamento é insuficiente para agentes autônomos.
Pesquisadores testam estruturas criadas por IA para modelos mais fracos
Um modelo mais forte criou scaffolds em tempo de inferência que elevaram as pontuações de modelos mais fracos em benchmarks de Theory-of-Mind.