ميلا جوفوفيتش تشارك في تطوير MemPalace، نظام ذاكرة مفتوح المصدر للذكاء الاصطناعي حقق 96.6% في اختبار LongMemEval
أعلنت الممثلة ميلا جوفوفيتش، المعروفة بأدوارها في سلسلة Resident Evil والعنصر الخامس، عن تطوير نظام ذاكرة مفتوح المصدر للذكاء الاصطناعي يحمل اسم MemPalace بالتعاون مع المطور بن سيغمان. حقق المشروع نتيجة استرجاع بنسبة 96.6% في اختبار LongMemEval بدون أي استدعاءات لواجهات برمجة التطبيقات — وهي أعلى نتيجة مسجلة لنظام ذاكرة محلي بالكامل.
أبرز النقاط
- 96.6% في اختبار LongMemEval بدون أي استدعاءات API؛ أعلن الفريق لاحقاً عن 100% مع إعادة الترتيب بواسطة Haiku، لكن هذا الادعاء محل جدل (انظر التحفظات أدناه)
- محلي بالكامل ومجاني: يعمل على SQLite وChromaDB بدون خدمات سحابية أو اشتراكات أو واجهات برمجة خارجية
- مرخص بترخيص MIT ومتاح على GitHub، مع دعم Python 3.9+ وتكامل MCP مع Claude وChatGPT وCursor
كيف يعمل MemPalace
يطبق MemPalace تقنية طريقة المواقع اليونانية القديمة — تقنية قصر الذاكرة — على ذاكرة وكلاء الذكاء الاصطناعي. بدلاً من ترك الذكاء الاصطناعي يقرر ما يتذكره، يخزن النظام كل كلمة وينظم المعلومات في هيكل تسلسلي:
- الأجنحة (Wings) تمثل المشاريع أو الأشخاص
- القاعات (Halls) تصنف أنواع الذاكرة مثل الحقائق والأحداث والتفضيلات
- الغرف (Rooms) تحتوي على مواضيع محددة داخل كل قاعة
- الخزائن (Closets) تضم ملخصات مضغوطة تشير إلى المحتوى الأصلي
- الأنفاق (Tunnels) تنشئ روابط متقاطعة تربط الغرف عبر أجنحة مختلفة
يحسّن هذا النهج المعماري دقة الاسترجاع بشكل كبير. البحث داخل جناح يرفع الدقة من 60.9% إلى 73.1%، بينما إضافة سياق القاعة والغرفة يوصلها إلى 94.8% — تحسن بنسبة 34% مقارنة بالبحث المسطح غير المنظم.
لهجة الضغط AAAK
من أكثر ميزات MemPalace ابتكاراً هي AAAK، وهي لهجة مختصرة مصممة لوكلاء الذكاء الاصطناعي تحقق ضغطاً بمعدل 30 ضعفاً تقريباً. النص الذي يستهلك عادةً حوالي 1000 رمز يُضغط إلى ما يقارب 120 رمزاً، مما يمكّن الذكاء الاصطناعي من تحميل أشهر من السياق قبل الرسالة الأولى.
تعمل AAAK بشكل أصلي مع أي نموذج لغوي كبير — Claude وGPT وGemini وLlama وMistral — بدون الحاجة إلى فك تشفير متخصص أو ضبط دقيق.
لماذا هذا مهم
تفقد مساعدات الذكاء الاصطناعي اليوم كل السياق عند انتهاء الجلسة. أشهر من القرارات وجلسات تصحيح الأخطاء والنقاشات المعمارية تختفي ببساطة. يعالج MemPalace هذه المشكلة بحفظ كل شيء محلياً، مما يجعله قابلاً للبحث والاسترجاع عبر الجلسات.
تم اختبار النظام على أكثر من 22,000 ذاكرة محادثة حقيقية وحقق أيضاً 92.9% في اختبار ConvoMem — أكثر من ضعف نتيجة Mem0، أحد حلول الذاكرة المدفوعة الرائدة.
ميزات إضافية
يتضمن MemPalace رسماً بيانياً للمعرفة مع علاقات كيانات زمنية، وكشف التناقضات عبر الحقائق، ودعم الوكلاء المتخصصين مع مذكرات فردية، وثلاثة أوضاع تنقيب للمشاريع والمحادثات والتصنيف العام. كما يوفر 19 أداة MCP للتكامل مع بيئات البرمجة الشائعة.
تحفظات حول الاختبارات المعيارية
أثار مراجعون مستقلون مخاوف حول منهجية اختبار MemPalace:
- ادعاء 100% في LongMemEval تضمّن ضبطاً بأثر رجعي. حدد الفريق الأسئلة الثلاثة التي أخطأ فيها النظام وصمم إصلاحات مستهدفة (تعزيز العبارات المقتبسة، تعزيز أسماء الأشخاص) قبل إعادة الاختبار على نفس المجموعة. نتيجة 96.6% قبل الضبط هي الرقم الأكثر موثوقية.
- نتيجة 100% في LoCoMo مضخمة بحجم نافذة الاسترجاع. تحتوي جلسات LoCoMo على 19–32 عنصراً، لكن MemPalace عمل بـ
top_k=50— نافذة استرجاع أكبر من مجموع المرشحين، مما يعني استرجاع كل شيء تقريباً بالتعريف. - نتيجة 96.6% الخام تستخدم تضمينات ChromaDB الافتراضية على نص غير مضغوط. هيكل القصر (الأجنحة، الغرف، القاعات) لا يُستخدم فعلياً أثناء الاختبار المعياري.
هذه التحفظات لا تبطل ابتكارات المشروع المعمارية، لكن يجب على القراء تقييم الأرقام الرئيسية وفقاً لذلك.
ما التالي
تم إصدار MemPalace v3.0.0 في 5 أبريل 2026، وقد جذب بالفعل اهتماماً واسعاً على Hacker News ومنصات التواصل الاجتماعي. يمتلك المشروع مجتمعاً نشطاً على Discord ويرحب بالمساهمات. ترخيص MIT والبنية المحلية بالكامل يجعلانه جذاباً بشكل خاص للمطورين المهتمين بالخصوصية والاستقلال عن مزودي الخدمات.
المصدر: MemPalace على GitHub
ناقش مشروعك معنا
نحن هنا للمساعدة في احتياجات تطوير الويب الخاصة بك. حدد موعدًا لمناقشة مشروعك وكيف يمكننا مساعدتك.
دعنا نجد أفضل الحلول لاحتياجاتك.