דלג לתוכן הראשי
אוטומציות AI - לוגו
  • דף הבית
  • בלוג
  • חדשות
  • אודות
  • צור קשר
03-7630715קבע יעוץ חינם
אוטומציות AI - פתרונות אוטומציה וסוכני AI לעסקים בישראל

מובילים בתחום האוטומציה וסוכני AI בישראל. אנו מספקים פתרונות מתקדמים ליעול תהליכי עסק ושיפור הפרודוקטיביות הארגונית.

IL03-7630715USA(646) 760-4854info@automaziot.ai
אחד העם 9, תל אביב. מגדל שלום

קישורים מהירים

  • דף הבית
  • בלוג
  • חדשות
  • אודות
  • צור קשר
  • סיפורי הצלחה
  • מילון מונחים

הפתרונות שלנו

  • ניהול לידים אוטומטי
  • סוכן חכם לוואטסאפ
  • אוטומציה עסקית מלאה
  • ניהול לקוחות חכם
  • קביעת תורים אוטומטית
  • מכירות ושירות לקוחות
  • חנות אוטומטית בוואטסאפ
  • סוכני AI
  • ייעוץ טכנולוגי

הישאר מעודכן

הירשם לניוזלטר שלנו וקבל עדכונים על חידושים בתחום האוטומציה וה-AI

FacebookInstagramLinkedIn

אתר זה משתמש ב-Google Analytics ו-Vercel Analytics לשיפור השירות. למידע מלא ראה מדיניות פרטיות

© 2026 אוטומציות AI. כל הזכויות שמורות.

מדיניות פרטיותתנאי שימושהצהרת נגישותמדיניות עריכה
M2A סוכן זיכרון רב-מודלי להתאמה אישית
M2A: סוכן זיכרון רב-מודלי לשיחות ארוכות טווח
ביתחדשותM2A: סוכן זיכרון רב-מודלי לשיחות ארוכות טווח
מחקר

M2A: סוכן זיכרון רב-מודלי לשיחות ארוכות טווח

מערכת זיכרון כפולת שכבות מאפשרת התאמה אישית מתמשכת באינטראקציות רב-מודליות ארוכות

אייל יעקבי מילראייל יעקבי מילר
10 בפברואר 2026
4 דקות קריאה

תגיות

M2AChatAgentMemoryManagerRawMessageStoreSemanticMemoryStoreYo'LLaVAMC-LLaVA

נושאים קשורים

#סוכני AI#זיכרון רב-מודלי#התאמה אישית#שיחות ארוכות טווח#אינטראקציות רב-מודליות

✨תקציר מנהלים

נקודות עיקריות

  • M2A משלבת RawMessageStore ו-SemanticMemoryStore לזיכרון רב-גרנולרי.

  • ChatAgent ו-MemoryManager מנהלים עדכונים אוטומטיים.

  • עולה על baselines בניסויים.

  • מתאים לשיחות רב-מודליות ארוכות טווח.

  • קוד פתוח ב-GitHub.

M2A: סוכן זיכרון רב-מודלי לשיחות ארוכות טווח

  • M2A משלבת RawMessageStore ו-SemanticMemoryStore לזיכרון רב-גרנולרי.
  • ChatAgent ו-MemoryManager מנהלים עדכונים אוטומטיים.
  • עולה על baselines בניסויים.
  • מתאים לשיחות רב-מודליות ארוכות טווח.
  • קוד פתוח ב-GitHub.

M2A: סוכן זיכרון רב-מודלי להתאמה אישית בשיחות ממושכות

האם דמיינתם שיחה עם בינה מלאכותית שנמשכת חודשים, והיא זוכרת כל פרט אישי, כינוי והעדפה שלכם? חוקרים מפתחים את M2A, מערכת זיכרון היברידית כפולת שכבות שמתעדכנת בזמן אמת. זה פתרון לשיחות ארוכות טווח שחורגות מחלון ההקשר של מודלים קיימים, ומבטיח תשובות מותאמות אישית איכותיות.

מה זה M2A?

M2A היא מערכת סוכנית כפולת שכבות של זיכרון היברידי ששומרת מידע רב-מודלי מותאם אישית בעדכונים מקוונים. היא כוללת שני סוכנים שיתופיים: ChatAgent שמנהל אינטראקציות ומחליט מתי לשאול או לעדכן זיכרון, ו-MemoryManager שמפרק בקשות זיכרון לפעולות מפורטות על בנק זיכרון כפול שכבות. הבנק משלב RawMessageStore (יומן שיחות בלתי ניתן לשינוי) עם SemanticMemoryStore (תצפיות ברמה גבוהה), ומספק זיכרונות בגרנולריות שונה. המערכת משתמשת בצינור סינתזה נתונים חוזר להזרקת סשנים מבוססי מושגים משיחות ארוכות תוך שמירה על עקביות זמנית.

איך M2A עובדת בפועל?

M2A פותרת בעיות של מודלי התאמה אישית סטטיים, שמושגים קבועים בהתחלה ואינם מתפתחים. ChatAgent מנהל את השיחה ומפעיל את MemoryManager בעת הצורך. לדוגמה, כשהמשתמש מציג מושג חדש או כינוי, הסוכן מעדכן את הזיכרון הרב-שכבתי. ניסויים מראים עלייה משמעותית בביצועים לעומת מודלים בסיסיים. לפי הדיווח, זה הופך התאמה אישית ממערך חד-פעמי למנגנון זיכרון מתפתח משותף. סוכני AI כאלה יכולים לשפר שירותים עסקיים.

שכבות הזיכרון ב-M2A

שכבת RawMessageStore שומרת את כל השיחה כפי שהיא, ללא שינויים, בעוד SemanticMemoryStore מסכמת תצפיות מרכזיות כמו העדפות והקשרים. שילוב זה מאפשר גישה מהירה לפרטים ספציפיים או תמונה כללית, מותאם לצרכי השאלה.

המערכת משלבת נתונים מסינתזה מבוססת Yo'LLaVA ו-MC-LLaVA לתוך שיחות LoCoMo ארוכות, תוך שמירה על סדר זמני. זה מאפשר אימון יעיל על נתוני התאמה אישית ארוכי טווח.

ההשלכות לעסקים בישראל

בעידן שבו עסקים ישראליים משקיעים בסוכני AI לשירות לקוחות, M2A מציעה יתרון תחרותי. חברות כמו בנקים או חנויות מקוונות יכולות להטמיע זיכרון מתמשך כדי לזכור העדפות לקוחות לאורך חודשים, משפרת נאמנות ומכירות. בישראל, עם תעשיית הייטק המתקדמת, פתרונות כמו סוכני AI כאלה רלוונטיים במיוחד לעסקים קטנים ובינוניים שמחפשים אוטומציה חכמה. המחקר מדגיש פוטנציאל להפחתת עלויות תמיכה וגידול ביעילות, בהתאמה לצרכי השוק המקומי.

מה זה אומר לעסק שלך

בעתיד, סוכנים כמו M2A יאפשרו אינטראקציות רב-מודליות אישיות, כולל טקסט, תמונות וקול, לאורך זמן. עסקים שיאמצו זאת יקבלו יתרון ביחסי לקוחות.

האם עסקך מוכן לשיחות AI שזוכרות הכל? הקוד זמין ב-GitHub, מה שמזמין בדיקות ראשוניות.

שאלות ותשובות

שאלות נפוצות

אהבתם את הכתבה?

הירשמו לניוזלטר שלנו וקבלו עדכונים חמים מעולם ה-AI ישירות למייל

המידע שתמסור ישמש ליצירת קשר ומתן שירותים. למידע נוסף ראה מדיניות פרטיות ותנאי שימוש

עוד כתבות שיעניינו אותך

לכל הכתבות
TierMem לזיכרון מדורג לסוכנים ארוכי טווח: פחות טוקנים, כמעט בלי לוותר על דיוק
מחקר
23 בפבר׳ 2026
6 דקות

TierMem לזיכרון מדורג לסוכנים ארוכי טווח: פחות טוקנים, כמעט בלי לוותר על דיוק

**TierMem הוא מנגנון זיכרון דו-שכבתי לסוכנים ארוכי טווח שמחליט בזמן המענה אם מספיק להסתמך על סיכום מהיר או שצריך להסלים ללוגים גולמיים כדי להביא ראיות מאומתות. לפי המאמר (arXiv:2602.17913v1), ב-LoCoMo השיטה הגיעה לדיוק 0.851 לעומת 0.873 ב-raw-only, תוך חיסכון של 54.1% בטוקנים ו-60.7% בהשהיה.** עבור עסקים בישראל שמפעילים שיחה רציפה ב-WhatsApp Business API ומנהלים לקוחות ב-Zoho CRM, המשמעות היא ניהול סיכונים: סיכומים לבד עלולים להשמיט “תנאי קריטי” (מחיר, הסכמה, רגישות רפואית), ולכן כדאי לבנות דרך N8N שכבת לוגים בלתי ניתנים לשינוי וכללי הסלמה לשאילתות רגישות. כך מצמצמים עלות ותורמים לעקיבות פנימית.

arXivTierMemLoCoMo
קרא עוד
NL2LOGIC לתרגום משפטים ללוגיקה מסדר ראשון: 99% תחביר, +30% משמעות
מחקר
23 בפבר׳ 2026
6 דקות

NL2LOGIC לתרגום משפטים ללוגיקה מסדר ראשון: 99% תחביר, +30% משמעות

**NL2LOGIC היא מסגרת שמתרגמת טקסט לשפה טבעית ללוגיקה מסדר ראשון (FOL) דרך עץ תחביר מופשט (AST), כך שהפלט עומד בכללי דקדוק וניתן להרצה בסולברים. לפי המאמר, היא מגיעה ל‑99% דיוק תחבירי ומשפרת נכונות סמנטית עד 30% בבנצ’מרקים כמו FOLIO ו‑ProofWriter.** לעסקים בישראל זה חשוב במיוחד בתהליכים שבהם “צריך להכריע” ולא רק “לנסח”: החזרים, חריגי שירות, תנאי חוזה, ניגוד עניינים במשרדי עורכי דין או סיווג פניות בביטוח ונדל"ן. שילוב עם WhatsApp Business API, N8N ו‑Zoho CRM מאפשר לקלוט פנייה, להפעיל כללים פורמליים, להחזיר החלטה מוסברת, ולתעד אותה ב‑CRM לצורכי בקרה וציות (כולל עקרונות חוק הגנת הפרטיות).

arXivNL2LOGICAST
קרא עוד
Lang2Act ל-VRAG: שרשראות כלים לשוניות שמחדדות תפיסה חזותית ב‑VLM
מחקר
23 בפבר׳ 2026
6 דקות

Lang2Act ל-VRAG: שרשראות כלים לשוניות שמחדדות תפיסה חזותית ב‑VLM

**Lang2Act הוא מנגנון VRAG שבו מודל ראייה-שפה (VLM) מייצר בעצמו “פעולות” כשרשראות לשוניות, ואז משתמש בהן ככלים כדי לשפר תפיסה חזותית והסקה. לפי המאמר arXiv:2602.13235v1, הגישה מצמצמת איבוד מידע שנוצר בזרימות עבודה שמפרידות בין תפיסה להיגיון (למשל אחרי crop), ומשיגה שיפור של יותר מ‑4% בתוצאות הניסויים.** לעסקים בישראל זה רלוונטי במיוחד בתהליכים שמבוססים על תמונות ב-WhatsApp: צילומי מסך של תקלות, מסמכים, ותמונות מוצר. במקום להסתמך על כלי חיתוך/OCR קשיחים שמאבדים הקשר, כדאי לבנות פיילוט שבו כל שלבי התפיסה מתועדים, מחוברים ל-Zoho CRM, ומופעלים דרך N8N — עם מדיניות פרטיות ברורה (למשל שמירת תמונות ל-30 יום).

arXivLang2ActNEUIR
קרא עוד
מענה לשאלות רפואיות תלוי-מצב: CondMedQA מציב רף חדש לדיוק קליני
מחקר
23 בפבר׳ 2026
6 דקות

מענה לשאלות רפואיות תלוי-מצב: CondMedQA מציב רף חדש לדיוק קליני

מענה לשאלות רפואיות תלוי-מצב הוא מצב שבו אותה שאלה מקבלת תשובה שונה לפי תנאי המטופל—קומורבידיות, אלרגיות או התוויות-נגד. במאמר arXiv:2602.17911v1 מוצגים CondMedQA (בנצ׳מרק חדש שמודד היסק מותנה) ו-Condition-Gated Reasoning (CGR), שמפעיל/גוזם מסלולי היסק בגרף ידע לפי תנאי השאלה כדי לבחור תשובה ישימה יותר. לעסקים בישראל שמפתחים כלי טריאז׳, טלה-רפואה או שירות במוקדי אחיות, המשמעות היא שינוי מדידה: לא “דיוק ממוצע”, אלא דיוק במקרי קצה. פרקטית, אפשר לשלב איסוף תנאים ב-WhatsApp Business API, לשמור שדות ב-Zoho CRM, ולהפעיל ב-N8N “שער תנאים” שמנתב מקרים מסוכנים לגורם אנושי ומייצר לוגים לאודיט.

arXivCondMedQACondition-Gated Reasoning
קרא עוד