विस्तृत विश्लेषण · लगभग 4 मिनट पढ़ना
Databricks का MemCurrent, Agent Bricks Beta में: परीक्षण की सही व्याख्या
कच्चे रिकॉर्ड, निकाला गया ज्ञान और पृष्ठभूमि में समेकन मिलकर दो-स्तरीय स्मृति बनाते हैं; उद्यम के परिणाम विक्रेता के हैं।
- यहाँ प्रकाशित
- स्रोत की तारीख
- स्रोत जाँचा गया
Databricks ने 20 अक्टूबर को Agent Memory का Beta और उसका MemCurrent ढाँचा घोषित किया। सेवा सत्रों के बीच ज्ञान रखती है। शोध का प्रश्न सब कुछ याद रखना नहीं, बल्कि उपयोगी बातें चुनकर नए काम में लागू करना और बार-बार खोज की लागत घटाना है।
समाचार सुनें
यह लेख सुनें या समाचार लगातार चलाएँ।
पढ़ने की तैयारी हो रही है…
डिवाइस की आवाज़
वाक् प्रक्रिया आपके ब्राउज़र या डिवाइस में होती है। AISubHub पाठ किसी ऑडियो API को नहीं भेजता। आवाज़ों और लॉक स्क्रीन पर चलने की सुविधा डिवाइस पर निर्भर है।
जारी करने पर छोटा वाक्यांश दोहराया जा सकता है।
मुख्य बातें
- सेवा Lakebase पर चलती है और प्रबंधित सत्र, स्थायी स्मृति तथा पृष्ठभूमि की पाइपलाइन जोड़ती है।
- आंतरिक परीक्षण में 29 उपयोगकर्ता, 114 मामले और 2,233 पुराने सत्र हैं; यह सामान्य मॉडल रैंकिंग नहीं है।
सेवा और शोध में अंतर
Agent Memory क्रमबद्ध सत्र रिकॉर्ड, लंबे समय के तथ्य और कार्यप्रवाह तथा इनसे ज्ञान निकालने की पाइपलाइन देता है। आधार Databricks का serverless Postgres, Lakebase है। डेवलपर प्रविष्टियाँ देख, निर्यात और मिटा सकते हैं तथा क्या रखना है निर्देशित कर सकते हैं। बातचीत रखना और अगली प्रतिक्रिया का आधार बनने वाला तथ्य चुनना अलग काम हैं। Beta स्थिति से हर तैनाती में शोध जैसा एकसमान व्यवहार सिद्ध नहीं होता।
दो परतें और अद्यतन के अलग समय
MemCurrent में केवल जोड़े जाने वाले घटनात्मक रिकॉर्ड और फाइलों की तरह व्यवस्थित, बदलने योग्य निकाला गया ज्ञान रहता है। सत्र शुरू होते समय सूचकांक आता है; बाद में खोज और विस्तृत पढ़ने के साधन उपयोग होते हैं। ऑनलाइन साधन स्पष्ट जोड़ने, बदलने और मिटाने के अनुरोध लेते हैं। ऑफलाइन प्रक्रिया छिपी सीख निकालती, दोहराव मिलाती और विरोध सुलझाती है। रिकॉर्ड प्रमाण बचाते हैं, सूचकांक उसे खोजने देता है। निष्कर्ष निकालना तत्काल उत्तर के रास्ते से हटता है, पर अप्रत्यक्ष सीख अगले सत्र तक पहुँचने में समय लग सकता है। स्पष्ट सुधार और नियमित देखभाल अलग भूमिकाएँ निभाते हैं।
उद्यम परीक्षण ने क्या मापा
Genie की बातचीत से समीक्षा के बाद बने 114 मामलों में 29 उपयोगकर्ता और 2,233 पुराने सत्र थे। यह पुराने वाक्य को दोहराना नहीं, कई चरणों वाले डेटा कार्य में ज्ञान लगाना जाँचता है। Databricks के अनुसार बिना स्मृति सफलता 22.3% और MemCurrent के साथ 68.4% थी; बाद वाले ने प्रति कार्य 418K token और औसतन 252 सेकंड लिए। token में 31% और अवधि में 26% कमी इसी तुलना की है। ये हर कंपनी का अनुमान या सार्वजनिक चैट सदस्यताओं की तुलना नहीं हैं। आंतरिक Genie परीक्षण ने Claude Opus 4.6 एजेंट और GPT 5.6 sol स्मृति मॉडल के साथ तीन दोहराव किए।
लंबा संदर्भ अलग प्रयोग क्यों है
तीन सार्वजनिक संवाद-स्मृति परीक्षणों में औसत शुद्धता 88.1% बनाम पूरे इतिहास के साथ 87.8% और प्रति प्रश्न इनपुट लगभग 8.4K बनाम 103K token बताए गए। यह प्रश्नोत्तर है, इसलिए उद्यम कार्य के कुल token से इन्हें न मिलाएँ। आंतरिक पृथक्करण में केवल कच्चे रिकॉर्ड 35.8%, निकाला ज्ञान 66.1% और दोनों 68.4% रहे। निकाले ज्ञान के लिए केवल ऑफलाइन प्रक्रिया 63.5%, ऑनलाइन साधन 53.9% और दोनों 66.1% थे। ये उस ढाँचे में पूरक भूमिकाएँ दिखाते हैं, हमेशा अधिक इतिहास रखने का लाभ नहीं। सार्वजनिक प्रश्नोत्तर में GPT 5.6 luna था; LangGraph और OpenAI Agents SDK तथा तीन दोहराव का औसत लिया गया।
अपनाने से पहले क्या जाँचें
AISubHub का विश्लेषण: पायलट में बदले तथ्य, विरोधी निर्देश और स्मृति-रहित प्रश्न भी होने चाहिए। मान लें कोई टीम सक्रिय ग्राहक की परिभाषा बदलती है; पहले सही प्रक्रिया पुरानी परिभाषा रखकर गलत परिणाम दे सकती है। स्मृति का स्रोत, सुधार का अगले सत्रों में पहुँचना, मिटाने और उपयोगकर्ता सीमाओं का पुनर्प्राप्ति में बने रहना जाँचें। केवल छोटा prompt नहीं, पृष्ठभूमि समेकन सहित कुल अवधि और कार्य सफलता मापें। ये सुझाए स्वीकृति मानदंड हैं, हमारे सत्यापित उत्पाद गुण या परिणाम नहीं। घोषणाओं में नई सदस्यता कीमत नहीं दी गई है।
यह क्यों अहम है
AISubHub का विश्लेषण: जाँच योग्य ज्ञान-आधार की देखभाल, लगातार बड़ा prompt बनाने का विकल्प हो सकती है। जानकारी वर्तमान और उपयोगकर्ता के अधिकारों के अनुरूप रहनी चाहिए। सफलता, रखरखाव और सुधार की लागत साथ मापें।
सीमाएँ और उपलब्धता
उत्पाद Beta है। परिणाम Databricks के हैं, हमारे परीक्षण के नहीं। आंतरिक डेटा और खास मॉडल/ढाँचे निष्कर्षों को सीमित करते हैं; हर जगह कीमत, समय या सुधार की गारंटी नहीं है।
स्रोत और प्रमाण
स्रोत की तारीख: · स्रोत जाँचा गया:
स्रोत की तारीख: · स्रोत जाँचा गया:
AI की सहायता से लिखे लेखों को दिए गए प्राथमिक स्रोतों से जाँचा जाता है। प्रदाता के दावों का श्रेय स्पष्ट है; सूची में होना समर्थन नहीं है।