Heshwareは、動的に活性化されるメモリノードのグラフが、ローカル言語モデルのための解釈可能な長期記憶層として機能できるかどうかを調査しています。この提案は、もともと認知処理のインタラクティブな可視化であったMarven Neural Node Networkに由来しています。

提案されたアーキテクチャには、構造化されたメモリオブジェクトのingestion、意味的類似性のためのベクトル検索、関係と時間的リンクのためのグラフ構造が含まれます。また、コンテキスト入力用の活性化値、統合のための減衰プロセス、そしてそれらを事実として扱わずに記憶を再結合するためのサンドボックス化された合成プロセスも備えています。

著者は、ノード活性化の指標、グラフニューラルネットワークの適性、ベクトル類似性と明示的なグラフ関係を組み合わせる方法に関する技術的なフィードバックを求めています。目標は、メモリポイズニングに耐えながら、検索精度、連続性、解釈可能性を向上させるテスト可能なアーキテクチャを開発することです。