Aug, 2023

走向自组织的个人知识助手在不断演化的企业记忆中

PDF
TL;DR本文回顾了我们部门在自组织个人知识助手在演进的企业记忆中的 10 年研究，并总结了在企业和个人环境中知识图构建的各种方式，管理遗忘和（自组织）上下文空间作为个人信息管理（PIM）和知识工作支持的新方法。同时，我们还提供了一些尚未发表的最新发现以及与之相关的行业用例的概述，其中包括对 CoMem 的详细介绍，CoMem 是基于我们提出的研究的企业记忆，已经在生产中使用，并提供了进一步研究的挑战。我们的许多贡献只是朝着新的方向迈出的第一步，仍有很大的潜力可挖掘，特别是在进一步提高 PIM 和知识工作支持的自动化方面。
self-organizing personal knowledge assistantscorporate memoriesknowledge graph constructionmanaged forgettingpersonal information management
发现论文，激发创造
  • 千人千村：个人记忆增强的基于知识的对话

    本文介绍了将个人记忆引入知识选择的方法，以解决个性化的问题，采用变分方法建模个人记忆与知识选择之间的关系，并设计了一种学习方式，其中包括了从个人记忆到知识的前向映射和其逆向映射。实验证明，我们的方法在自动评估和人类评估方面都显著优于现有的知识驱动对话方法。

    Apr, 2022

  • 利用任务导向对话系统导航连接的记忆

    本文提出一种通过多轮互动对话进行个人媒体检索的方法，并利用一个基于任务的数据集 COMET 对其进行评估和基准测试。

    Nov, 2022

  • RAM: 通过学习通信优化内存系统

    基于 RAG 方法的 RAM 框架利用递归推理检索和经验反思来不断更新记忆，并从用户的交流反馈中学习，通过大量实验证明在处理假设错误和多跳问题方面显著优于传统的 RAG 和自知识方法，同时展示了其在不同类型的反馈和检索方法链上的潜力，从而推动了动态知识获取和终身学习的人工智能能力。

    Apr, 2024

  • 生命周期学习中基于共同表示空间的任务感知信息路由

    本研究提出了 TAMiL 方法，应用任务注意模块和自动编码器捕捉共同表示空间中的任务特定信息，并在全局工作区中保留任务相关信息以缓解灾难性遗忘现象。实验结果表明，该方法优于现有基于重新玩彩和动态稀疏方法的连续学习方法。

    Feb, 2023

  • 双存储循环自组织的时空表示的终身学习

    本文提出了一种双存储自组织架构用于实现终身学习，其中包含具有学习物体实例和类别的互补任务的两个增长式重复神经网络；通过在连续感官经历中扩展它们，这两个增长网络都能够提取出对未知数据更强的特征。

    May, 2018

  • 通过上下文感知的角色修正，在长期对话中增强常识辅助的记忆构建和管理

    通过经过设计的策略，本文提出了一种新的框架，利用常识为多轮对话中的回复生成提供更丰富的人物信息，从而改善回应质量。

    Jan, 2024

  • 通过混合和改善历史实现不断演进的记忆

    为了构建人类化的聊天机器人，构建一个长期记忆是至关重要的。本文提出了一个新颖的记忆方案 CREEM，通过混合过去的记忆并引入精炼过程来改善聊天机器人回应的整体效果和一致性，确保一个更加明智和动态发展的长期记忆。

    Mar, 2024

  • 终身个人上下文识别

    本研究聚焦于开发与人类共生的 AI，并探讨了该任务所面临的挑战，包括处理用户情境、实现机器学习下的生涯上下文识别、通过持续的双向交互来保持 AI 与人类对世界的表达方式的一致性等。作者对这些挑战的尝试总结了经验，并强调了今后的研究方向，认为该项目需要知识表示和机器学习之间的交叉研究。

    May, 2022

  • 面向任务的个性化对话系统的协作记忆网络 (用户画像不完整)

    本文提出了一种无需完整用户信息的个性化任务型对话系统，采用 Cooperative Memory Network 模型逐步丰富用户配置文件，并以此为基础选择个性化回应，实验表明该模型在提高回应准确率的同时具有较强的稳健性。

    Feb, 2021

  • 自注意力联想记忆

    本文提出了一种基于自注意力的联想记忆算子（SAM），通过 SAM 可以将个别经历的存储（项目记忆）和它们之间的关系（关系记忆）分离，然后在一个序列模型中将这两种记忆体有机地联系起来，从而实现记忆和关系推理，该模型在各种机器学习任务中具有竞争力的表现，包括几何、图形、强化学习和问题回答等方面。

    Feb, 2020