GitHub-радар
HMS: структурированная память для LLM
Исследовательский фреймворк от команды ShadowWeave: изучает, как организация извлечённых фактов в структурированный реестр до генерации ответа улучшает рассуждения языковой модели в длинных диалогах, растянутых на несколько сессий.
Holographic Memory System (HMS) от команды ShadowWeave — воспроизводимый исследовательский фреймворк для изучения долгосрочной памяти в формате LongMemEval, где модели нужно отвечать, связывая данные из множества прошлых сессий. Ключевая идея — промежуточный реестр улик: структурированная запись временных меток, источников и событий, которая строится до генерации ответа вместо передачи плоского списка извлечённых фрагментов. В проекте есть обёртка wrap_openai(), которая автоматически сохраняет и вспоминает контекст при каждом обращении к API без изменений в коде приложения.
Зачем это вайб-кодеру
Показывает практический паттерн для добавления постоянной памяти в любое LLM-приложение: один вызов wrap_openai() — и модель автоматически накапливает и вспоминает релевантный контекст между сессиями. Удобный эталонный пример для всех, кто строит ИИ-приложения с памятью о прошлых разговорах.
▌ Ещё находки