Backboard setzt neuen globalen Standard für KI-Speicher – ein Sprung hin zu wahrhaft agentenbasierter KI

Rückwand Das Unternehmen hat einen wichtigen Meilenstein für KI-Systeme erreicht, indem es gezeigt hat, dass Speicher als Kerninfrastruktur und nicht als fragiles Zusatzmodul betrachtet werden kann. Es gab bekannt, dass es nun in den beiden wichtigsten KI-Speicher-Benchmarks, LoCoMo und LongMemEval, führend ist und damit die erste Plattform darstellt, die dies mit einheitlichen akademischen und unabhängigen Bewertungsmethoden erreicht hat.

In einer unabhängigen Bewertung, die durchgeführt wurde von Neue MathematikdatenDas Backboard erreichte eine Genauigkeit von 93.4 Prozent bei LongMemEvalDies ist das bisher höchste öffentlich gemeldete Ergebnis, wenn der Benchmark gemäß seiner ursprünglichen Spezifikation ausgeführt wird. Dieses Ergebnis baut auf den vorherigen auf. veröffentlichte 90.1 Prozent Punktzahl auf LoCoMoDamit gehört Backboard zu einer sehr kleinen Gruppe von Systemen, die sowohl kurzfristige Präzision als auch langfristige Kontextkontinuität gewährleisten können.

Die Prüfer stellten mehrere Fälle fest, in denen die Antworten von Backboard als falsch bewertet wurden, obwohl sie kontextuell korrekter waren als die erwarteten Antworten des Benchmarks. In diesen Fällen bezog das System bereits vorhandene Fakten aus der Interaktion mit ein, anstatt die Aufgabenstellung enger zu interpretieren. Daher stellt der angegebene Wert eher eine konservative Basislinie als die maximale Leistungsfähigkeit dar.

Warum der Speicher zum limitierenden Faktor in der KI geworden ist

Die meisten modernen KI-Systeme verhalten sich immer noch so, als hätten sie keine wirkliche Vergangenheit. Große Sprachmodelle generieren zwar hervorragend flüssige Antworten, vergessen aber oft den Kontext, sobald eine Sitzung endet oder ein Eingabefenster voll ist. Diese Einschränkung zwingt Entwickler dazu, den Zustand immer wieder neu zu erstellen – entweder durch umständliche Abruftechniken, Prompt-Engineering oder durch fehleranfällige Werkzeugketten, die mit zunehmender Systemkomplexität oft versagen.

Speicher beschränkt sich nicht nur auf das Abrufen von Informationen. In der Praxis entscheidet der Speicher darüber, ob ein KI-System über längere Zeiträume hinweg kohärent bleibt, Aufgaben koordiniert ausführen kann und das Vertrauen der Nutzer gewinnt. Ohne dauerhaften Speicher setzen sich Systeme zurück. halluzinierenoder sich selbst widersprechen. Da sich die KI von einmaligen Interaktionen hin zu langlaufenden Arbeitsabläufen entwickelt, ist der Speicher zum primären Flaschenhals geworden.

Backboard begegnet diesem Problem, indem es den Speicher als erstklassige Infrastruktur behandelt. Anstatt den Speicher an eine Anwendungsschicht anzuhängen, integriert es Persistenz, Einbettungen, Abruf und Orchestrierung in eine einheitliche Plattform, auf die über eine einzige API zugegriffen wird.

Ein systemorientierter Ansatz statt Benchmark-Optimierung

Backboard hat seine Architektur nicht auf die Erreichung von Benchmark-Ergebnissen ausgelegt. Die Evaluierungen wurden entweder unabhängig initiiert oder intern genutzt, um zu verstehen, wie das System im Vergleich zu wissenschaftlichen Forschungsergebnissen abschneidet. Die resultierende Leistung spiegelt das Systemverhalten unter realistischen Bedingungen wider und nicht die aufgabenspezifische Optimierung.

Diese Unterscheidung ist wichtig, da die meisten Benchmarks das Modellverhalten isoliert messen, während KI-Systeme in der Praxis aus vielen beweglichen Teilen bestehen. Die Ergebnisse von Backboard legen nahe, dass die Speicherleistung nicht allein von der Modellgröße oder der Rechenleistung abhängt, sondern auch davon, wie der Speicher strukturiert, aktualisiert und im Laufe der Zeit gemeinsam genutzt wird.

Die Plattform vereint persistentes Langzeitgedächtnis, native Einbettungen und Vektorisierung, integrierte, abrufoptimierte Generierung, gemeinsamen Speicher für alle Agenten und Zugriff auf über 17,000 große Sprachmodelle, einschließlich BYOK-Unterstützung. Durch die Vereinheitlichung dieser Elemente entfällt für Unternehmen mit Backboard die Notwendigkeit, Open-Source-Komponenten zusammenzufügen, die unter Produktionsbedingungen oft versagen.

Agentische KI praktisch umsetzen

Das Interesse an Agentische KI Das Interesse wächst stetig, doch die meisten Implementierungen kommen nicht über Demos hinaus. Der Grund ist einfach: Agenten ohne gemeinsamen, persistenten Speicher können nicht effektiv koordinieren. Sie fragmentieren, verlieren den Kontext und verhalten sich mit zunehmender Dauer der Interaktionen unvorhersehbar.

Backboard ermöglicht einen persistenten, gemeinsamen Speicher für alle Agenten, selbst wenn diese auf unterschiedlichen zugrunde liegenden Modellen basieren. Bei zuverlässigem Speicher entsteht das Verhalten der Agenten auf natürliche Weise, anstatt skriptbasiert zu sein. Systeme können sich an frühere Entscheidungen erinnern, die Kontinuität über Sitzungen hinweg gewährleisten und Aktionen ohne ständige erneute Aufforderung koordinieren.

Das der Plattform zugrunde liegende Speicherframework ist darauf ausgelegt, die zeitliche Kohärenz zu bewahren, anstatt den Zustand durch statische Graphen oder wiederholten Abruf zu rekonstruieren. Dadurch bleiben KI-Systeme auch bei zunehmender Komplexität konsistent und nachvollziehbar.

Entwickelt für Systeme, die es sich nicht leisten können, zu vergessen

Die Architektur von Backboard basiert auf der Erfahrung ihres Gründers und CEO. Rob Imbeault, der zuvor beim Aufbau geholfen hatte Zustimmung Von einem jungen Start-up zu einer globalen Unternehmensplattform mit einem Wert von über 1.4 Milliarden US-Dollar. Bei Assent waren die Systeme, an denen Imbeault arbeitete, tief in die Kundenprozesse integriert und unterstützten die Einhaltung gesetzlicher Vorschriften sowie komplexe Lieferkettenprozesse, bei denen Kontinuität, Korrektheit und Vertrauen unerlässlich waren.

Diese Erfahrung prägte eine klare Überzeugung: Die wertvollste Infrastruktur ist selten auffällig. Sie arbeitet unauffällig, zuverlässig und über lange Zeiträume hinweg. In solchen Umgebungen können Systeme nicht zurückgesetzt werden, wenn der Kontext verloren geht. Verschwindet der Zustand oder schwindet das Vertrauen, versagt das System nicht nur technisch, sondern auch operativ.

Imbeault erkannte eine strukturelle Diskrepanz in der modernen KI. Obwohl große Sprachmodelle rasant Fortschritte machten, blieben sie im Grunde zustandslos. Der Kontext ging zwischen den Sitzungen verloren, was Entwickler zwang, das Gedächtnis mithilfe fehleranfälliger Eingabeaufforderungen und ad-hoc-Abrufschichten zu rekonstruieren. Diese Ansätze mögen in Demos funktionieren, versagen aber, wenn KI-Systeme kontinuierlich laufen, zwischen verschiedenen Agenten koordiniert werden und sich im Laufe der Zeit weiterentwickeln sollen.

Backboard wurde entwickelt, um diese Lücke zu schließen. Der Speicher wird als robuste Infrastruktur und nicht als Anwendungslogik behandelt, wodurch KI-Systeme ihren Zustand über Interaktionen, Modelle und Agenten hinweg beibehalten können. Der Fokus auf Persistenz, Korrektheit und langfristige Zuverlässigkeit spiegelt eine Überzeugung wider, die lange vor der Existenz von Backboard entstand: In Produktionsumgebungen sind Speicherausfälle keine geringfügigen Fehler, sondern systemische Risiken.

Diese Perspektive bildet die Grundlage der Designphilosophie von Backboard. Ziel ist es nicht, Intelligenz in einzelnen Momenten zu demonstrieren, sondern KI-Systeme zu ermöglichen, die sich wie zuverlässige Software verhalten, selbst wenn die Komplexität zunimmt und sich der Zeithorizont verlängert.

Was dies für die Zukunft der KI bedeutet

Die weiterreichenden Implikationen von Rückwände Das Ergebnis ist, dass die nächste Phase des KI-Fortschritts nicht allein durch größere Modelle oder längere Kontextfenster vorangetrieben wird. Sie wird vielmehr durch Systeme bestimmt, die sich erinnern, schlussfolgern und sich im Laufe der Zeit weiterentwickeln können.

Mit dem zunehmenden Einsatz von KI in Kundensupport, Betrieb, Forschung und Compliance wird persistenter Speicher zur Grundlage für Vertrauen und Skalierbarkeit. Plattformen, die Speicherlösungen auf Infrastrukturebene bieten, werden den Weg von agentenbasierter KI vom Experimentierstadium in den Alltag prägen.

Nachdem die Speicherarchitektur von Backboard nun sowohl in akademischen als auch in unabhängigen Benchmarks validiert wurde, konzentriert sich das Unternehmen darauf, Teams dabei zu helfen, das Verhalten von KI-Systemen unter realen Bedingungen besser zu verstehen und zu bewerten. Die kommende Switchboard-Funktion des Unternehmens zielt darauf ab, komplexe KI-Konfigurationen transparenter und vorhersagbarer zu machen.

Die Zukunft der KI wird weniger von cleveren Tricks als vielmehr von Systemen geprägt sein, denen man langfristig vertrauen kann. Das Gedächtnis bildet die Grundlage dieses Wandels, und die jüngsten Ergebnisse von Backboard deuten darauf hin, dass diese Grundlage nun endlich Gestalt annimmt.