FileGram: Grounding Agent Personalization in File-System Behavioral Traces
Das Paper stellt FileGram vor, ein umfassendes Framework, das die Personalisierung von KI-Agenten im lokalen Dateisystem durch eine skalierbare Datengenerierung, ein diagnostisches Benchmark und eine speicherspezifische Architektur verbessert, die Benutzerprofile direkt aus Verhaltensspuren statt aus Dialogen ableitet.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
FileGram: Der digitale Hausmeister, der dich wirklich kennt
Stell dir vor, du hast einen persönlichen Assistenten, der nicht nur auf deine Befehle wartet, sondern dich so gut kennt, dass er weiß, wie du arbeitest, bevor du überhaupt etwas sagst. Das ist das Ziel von FileGram.
Bisher waren KI-Assistenten wie ein neuer Kollege, der immer wieder fragen muss: „Wo hast du die Datei gespeichert?" oder „Wie nennst du deine Ordner?". FileGram will das ändern, indem es den Assistenten direkt in dein Dateisystem integriert – also genau dort, wo deine Arbeit stattfindet.
Das Problem ist aber: Jeder Mensch arbeitet anders. Der eine sortiert alles in riesige, tief verschachtelte Ordner, der andere wirft alles in den Hauptordner. Um diesen Unterschied zu verstehen, braucht die KI eine Art „Gedächtnis". Und genau hier stießen die bisherigen Methoden an ihre Grenzen.
Das Paper stellt eine Lösung vor, die aus drei Teilen besteht. Man kann sich das wie den Bau eines perfekten, lernfähigen Gehirns für den Computer vorstellen:
1. Die Trainings-Schule: FileGramEngine
Die Analogie: Stell dir einen riesigen, simulierten Filmstudio-Komplex vor.
Bevor man einen echten Schauspieler (die KI) testen kann, braucht man eine Menge an Probedrehen. Da es aber zu gefährlich und unethisch ist, echte Menschen zu beobachten, um ihre privaten Dateien zu sammeln, hat das Team eine KI-Trainingsfabrik gebaut.
- Was sie tun: Sie haben 20 verschiedene „Personas" (z. B. „Der akribische Forscher", „Der chaotische Künstler") erstellt.
- Der Trick: Diese Personas spielen in einer simulierten Welt Aufgaben durch. Sie erstellen, verschieben und löschen Dateien.
- Das Ergebnis: Die KI lernt nicht nur, was die Datei ist, sondern wie sie erstellt wurde. Hat der Nutzer schnell geschrieben und dann korrigiert? Hat er erst lange gesucht und dann tief in Ordner gegraben? Diese „Bewegungsspuren" sind wertvoller als der Inhalt der Datei selbst.
2. Der Prüfungsraum: FileGramBench
Die Analogie: Ein Detektiv-Spiel oder ein IQ-Test für Computer.
Wie weiß man, ob der Assistent wirklich gelernt hat? Man braucht einen strengen Test. Bisherige Tests fragten nur: „Kannst du den Text wiedergeben?" (wie ein Gedächtnis-Test für ein Gespräch).
FileGram hat einen neuen Test entwickelt, der fragt: „Kannst du die Gewohnheiten erkennen?"
- Beispiel: Die KI sieht eine Reihe von Dateien und muss raten: „Ist das der Nutzer, der alles in Unterordner packt, oder der, der alles flach hält?"
- Die Herausforderung: Der Test prüft auch, ob die KI merkt, wenn sich ein Nutzer plötzlich ändert (z. B. wenn der ordentliche Forscher plötzlich chaotisch wird). Bisherige KIs scheiterten hier oft und dachten, es sei ein Fehler, statt eine neue Gewohnheit zu erkennen.
3. Das neue Gehirn: FileGramOS
Die Analogie: Ein Bibliothekar, der nicht nur die Buchtitel liest, sondern auch die Art, wie du sie aus dem Regal nimmst.
Die meisten KIs fassen deine Arbeit zusammen, indem sie sagen: „Der Nutzer hat heute an einem Bericht gearbeitet." Das ist wie eine Zusammenfassung eines Films – man verliert die Details.
FileGramOS macht etwas anderes: Es ist ein Bottom-Up-Ansatz (von unten nach oben).
- Es speichert keine Zusammenfassungen, sondern „Fingerabdrücke":
- Prozedural (Die Handbewegung): Wie viele Ordner hat er erstellt? Wie oft hat er eine Datei bearbeitet? (Wie schnell und gründlich du schreibst).
- Semantisch (Der Inhalt): Was genau steht in den Dateien? (Der Stil der Sprache).
- Episodisch (Die Geschichte): Wann hat er was getan? (Die zeitliche Abfolge).
- Der Vorteil: Wenn du fragst: „Wie organisiere ich meine Dateien?", schaut FileGramOS nicht auf eine vage Erinnerung, sondern auf die harten Fakten deiner vergangenen Handlungen. Es weiß: „Ah, du erstellst immer erst drei Unterordner, bevor du schreibst."
Warum ist das wichtig?
Stell dir vor, du kommst jeden Tag in dein Büro. Ein normaler Assistent würde jeden Tag neu fragen: „Wo liegt mein Notizblock?". Ein FileGram-Assistent hingegen würde den Notizblock schon auf deinem Schreibtisch liegen haben, genau dort, wo du ihn immer hinlegst, und vielleicht sogar das Licht anmachen, weil er weiß, dass du jetzt arbeiten willst.
Das Fazit:
FileGram zeigt, dass der Schlüssel zu einem wirklich persönlichen KI-Assistenten nicht in langen Gesprächen liegt, sondern in der Beobachtung deiner kleinsten Handlungen am Computer. Es ist der erste Schritt zu einem Computer, der sich nicht nur an deine Worte, sondern an deine Art zu arbeiten erinnert.
Das Team hat diese Werkzeuge (die Trainings-Schule, den Test und das Gehirn) jetzt für alle Forscher freigegeben, damit wir gemeinsam KI-Assistenten bauen können, die uns nicht nur verstehen, sondern uns wirklich unterstützen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.