SEAM：面向同地社区的共享联想记忆社交应用
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载系统怎么运作
SEAM 的出发点是把「一个人如何依据记忆和眼前刺激作出联想反应」这套机制扩展到群体。在群体中，知识分散在不同成员身上，能否被汇聚起来取决于人与人之间的社会关系。SEAM 因此被设计成一个共享记忆：成员可以发布任意片段，系统负责判断这些碎片彼此之间是什么关系，从中提炼出关于这个群体的知识，再以贴合当前情境、带联想的方式给出回复。与常见的检索式问答不同，它不只把内容存起来等关键词命中，而是主动建立碎片之间的关联，并把这些关联作为回复的依据。
可被成员编程的记忆
SEAM 的一个关键设计是：部分记忆本身可以充当指令，用来改变系统的行为。这意味着成员不只是往系统里写内容，还能通过写下特定记忆来调整系统后续如何运作，论文把这称为「可被成员编程」。这一机制把系统的行为规则从开发者手里部分转移到使用者手中，使同一套应用在不同社区里可能演化出不同的行为方式。论文没有在摘要中说明指令的具体形式与权限边界。
两周部署与工作坊
作者把 SEAM 部署到同一社区内的 46 人，进行为期两周的开放式使用，不限定任务，随后又与 14 人开展了跟进工作坊。使用过程中，成员用它分享自己的日常、向这套记忆提问，还指示它追踪作息规律、运行游戏。系统给出的回复把成员介绍给此前没有接触过的人和话题。论文把这一方向概括为「知识主动找到人」的社区形态，即知识不再只靠人主动检索，而是由系统在合适的情境下推到人面前。
为什么值得看
把群体记忆做成可被成员用自然语言「编程」的共享系统，并给出真实社区两周部署数据，对做多智能体与社区类应用的人有参考价值。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。