FileGram: Grounding Agent Personalization in File-System Behavioral Traces
Dit paper introduceert FileGram, een kader dat agentpersonalisatie grondt op bestandsysteemgedrag door middel van een schaalbare data-engine, een diagnostische benchmark en een bottom-up geheugenarchitectuur die gebruikersprofielen opbouwt vanuit atomaire acties in plaats van dialoogsamenvattingen.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je voor dat je een persoonlijke assistent hebt die niet alleen naar je praat, maar ook kijkt hoe je werkt.
De meeste AI-assistenten vandaag zijn als een vriend die alleen luistert naar wat je zegt in een gesprek. Als je zegt: "Ik wil die foto's ordenen," doet hij het. Maar als je morgen weer aan de slag gaat, vergeet hij vaak hoe jij dat precies doet. Hij weet niet of je foto's per datum sorteert, per kleur, of in een enorme stapel op je bureaublad laat liggen.
Dit onderzoek, genaamd FileGram, introduceert een nieuw soort assistent die niet alleen luistert, maar kijkt naar je bestandsysteem. Het is alsof je assistent niet alleen je stem opneemt, maar ook een onzichtbare camera heeft die ziet hoe je mappen aanmaakt, welke bestanden je opent, en hoe je ze bewerkt.
Hier is hoe het werkt, vertaald in alledaagse termen:
1. Het Probleem: De "Vergeten" Gewoontes
Mensen zijn allemaal anders. Sommigen zijn netjes en maken diepe mappenstructuur aan (zoals een bibliotheek), anderen zijn chaotisch en laten alles op één hoop liggen.
- Huidige AI: Vergeet dit snel. Hij kijkt alleen naar de laatste zin die je zei.
- FileGram: Onthoudt je "digitale handtekening". Hij ziet dat jij altijd eerst je bestanden bekijkt voordat je ze opslaat, en dat je altijd een kopie maakt voordat je iets wijzigt.
2. De Oplossing: Drie Slimme Onderdelen
Om dit mogelijk te maken, hebben de onderzoekers drie dingen gebouwd:
A. De "Digitale Zool" (FileGramEngine)
Om een AI te leren hoe mensen werken, heb je veel voorbeelden nodig. Maar niemand wil hun privé-bestanden delen.
- De Analogie: Stel je voor dat je een acteur nodig hebt om te oefenen hoe een "chaotische student" of een "ordelijke accountant" werkt.
- Wat ze deden: Ze bouwden een simulator die 20 verschillende "personages" creëerde. Deze personages deden duizenden taken in een virtuele computer. Ze maakten mappen, schreven verslagen, en verplaatsten bestanden, precies zoals echte mensen dat doen. Dit gaf de AI een enorme bibliotheek van "wat mensen normaal doen" zonder dat er echte privacy wordt geschonden.
B. De "Examenhal" (FileGramBench)
Hoe weet je of de AI het echt goed doet?
- De Analogie: Het is alsof je een rij-examen afneemt. De AI moet niet alleen de weg vinden, maar ook voorspellen wat de bestuurder zal doen.
- Wat ze deden: Ze maakten een test met vragen als: "Deze gebruiker heeft net een rapport gemaakt. Hoe zal hij de volgende keer zijn bestanden organiseren?" Of: "Iemand heeft plotseling anders gaan werken. Is dat een foutje of een nieuwe gewoonte?" De huidige AI's faalden hier vaak op, maar FileGram deed het veel beter.
C. De "Slimme Geheugenkast" (FileGramOS)
Dit is het hart van het systeem. De meeste AI's proberen alles in één lange samenvatting te stoppen (bijvoorbeeld: "De gebruiker houdt van ordenen"). FileGram doet dit anders.
- De Analogie: Stel je voor dat je geheugen drie verschillende vakken heeft in plaats van één grote hoop:
- Het Mechaniek-vak (Proceduraal): Hoe doe je het? (Bijv. "Altijd 3 mappen diep graven").
- De Inhoud-vak (Semantisch): Wat maak je? (Bijv. "Hij schrijft lange, formele verslagen").
- Het Verhaal-vak (Episodisch): Wanneer en waarom veranderde je? (Bijv. "Vorige week was hij chaotisch, maar vandaag is hij super-ordelijk").
- Het Resultaat: In plaats van een vaag idee te hebben, kan FileGramOS heel precies zeggen: "Ah, deze gebruiker maakt altijd een kopie van zijn bestand voordat hij het bewerkt, en hij gebruikt altijd de naam 'versie_2'."
Waarom is dit belangrijk?
Vroeger was een AI-assistent als een stomme robot die alleen deed wat je direct commandeerde.
Met FileGram wordt het een echte collega.
- Voorbeeld: Je zegt: "Ik heb een patent-email gekregen."
- Oude AI: "Oké, wat moet ik doen?"
- FileGram: "Gezien je gewoonte om patenten te archiveren in de map
/R&D/Patent/Archivemet de datum in de bestandsnaam, heb ik al een nieuwe map aangemaakt en de email daarheen verplaatst. Ik heb ook de juiste sjabloon voor je gevonden."
Conclusie
FileGram is een grote stap voorwaarts. Het leert AI's niet alleen te praten, maar te werken zoals jij. Het begrijpt dat jouw manier van werken net zo uniek is als je vingerafdruk, en het gebruikt die details om je echt te helpen, zonder dat je het hoeft uit te leggen.
Het is alsof je assistent eindelijk stopt met het lezen van je notities en begint met het kijken naar je handen terwijl je werkt.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.