Meta przenosi możliwości Muse Wonder do codziennych asystentów. Mniej zapominania i lepszy fokus

Kiedy w październiku Meta wypuściła modele Muse Wonder i Wonder Full, pozycjonowała je jako swoje najbardziej zaawansowane systemy do pracy agentowej. Teraz możliwości opracowane na potrzeby flagowej serii trafiają do powszechnie dostępnych narzędzi. Jak ogłosił na platformie X Alexandr Wang, chief AI officer w Meta, asystent Muse oraz Meta AI przechodzą na nowe, wyspecjalizowane modele wyszkolone z wykorzystaniem Muse Wonder.

Głównym celem wdrożenia jest transfer dwóch mechanizmów: Active Memory oraz Active Focus. Mają one rozwiązać dwa powszechne problemy, z jakimi mierzą się agenci AI w codziennym użytkowaniu – uciekający kontekst wcześniejszych rozmów oraz gubienie wątku w momencie, gdy wykonanie polecenia napotka niespodziewaną przeszkodę.

Dłuższa pamięć i trzymanie się celu

Moduł Active Memory uczy modele oddzielania informacji tymczasowych od trwałych i rozpoznawania momentów, w których szczegóły z przeszłości znów stają się istotne. Według danych opublikowanych przez Meta Research nowe wersje Muse notują 2,4-krotny spadek częstotliwości zapominania krytycznych danych potrzebnych do zrealizowania celu. W wewnętrznym teście Active Memory modele poprawnie wykorzystały kluczowy kontekst w 90 proc. zadań, podczas gdy poprzednia generacja osiągała 76 proc. W indeksie Personal Superintelligence nowe modele osiągnęły 47 proc., wobec 38 proc. w poprzedniej generacji.

Z kolei Active Focus odpowiada za odporność na błędy w trakcie wieloetapowej pracy. Modele trenowano na scenariuszach uwzględniających typowe blokady występujące w realnych zastosowaniach, ucząc je szukania alternatywnych ścieżek zamiast przedwczesnego przerywania zadania. Meta deklaruje, że dzięki temu skuteczność doprowadzania codziennych zadań do końca w sytuacjach problemowych wzrosła o 67 proc.

W przypadku asystenta Muse aktualizacja oznacza sprawniejsze podejmowanie decyzji o tym, kiedy działać autonomicznie, a kiedy dopytać użytkownika o szczegóły. Model ma też płynniej reagować na wskazówki przekazywane w trakcie trwania zadania bez utraty pierwotnego celu. Z kolei w Meta AI te same usprawnienia mają poprawić prowadzenie złożonych dyskusji – asystent ma precyzyjniej dzielić skomplikowane problemy na etapy, zadawać trafniejsze pytania doprecyzowujące i nie gubić wątku, gdy rozmówca nagle zmieni kierunek konwersacji.