Yararlı bir hafıza testi, “Benimle ilgili ne hatırlıyorsun?” diye sormaya daha az, bir düzeltme ve birkaç dikkat dağıtıcı içeren kapalı kitap kontrolüne daha çok benzer. Bir Muse Wonder Active Memory testi çalıştırmak için Muse Wonder’a tek bir sohbette kurgusal ayrıntılar verin, bunlardan birini düzeltin, ardından yeni bir sohbette ilgili güncel bilgileri isteyin. Neyi geri getirdiğini, neyi yanlış yaptığını ve belirsizliği kabul edip etmediğini kaydedin.
Aşağıdaki dizi, kurulması ve puanlanması yaklaşık 10 dakika sürer. Bu, günler, hesaplar veya her Muse ürün yüzeyi arasında hafızanın kanıtı değildir. Yinelenebilir bir ilk kontroldür. Özel bilgiler yerine uydurulmuş ayrıntılar kullanın.
Önemli çıkarımlar
- Hatırlamayı, düzeltmeleri, dikkat dağıtıcı direncini, belirsizliği ve izlenebilirliği ayrı ayrı test edin.
- Testi kullanmayı planladığınız ürün yüzeyinde, hafıza ayarları belgelenmiş halde çalıştırın.
- Yeni bir API isteği, kalıcı hafızayı yalnızca uygulama veya hizmet bunu sağlıyorsa test eder.
- Meta’nın MemoryBench’i çok daha uzun bir iç değerlendirmedir; bu kısa kontrol onu yeniden üretmez.
Muse Wonder Active Memory test akışı: kurgusal ayrıntılardan düzeltmeye, yeni sohbette geri getirmeye ve puanlamaya
Test akışı ilk gerçekleri, açık bir düzeltmeyi ve yeni bir sohbette geri getirmeyi ayırır.
Muse Wonder Active Memory Ne Yapmak İçin Tasarlanmıştır
Meta, Active Memory'yi bir kişiyle ilgili önemli bağlamı sohbetler arasında taşıma ve ayrıntılar sonraki bir görev için önemli olduğunda bunları geri getirme olarak tanımlar. Active Focus, bir hedefe yönelik sürekli çalışmayı; tıkandığında alternatifleri denemeyi ve yeni bilgilere uyum sağlamayı ifade eder. Bu fikirler ilişkilidir, ancak farklı soruları yanıtlarlar: hafıza hangi bağlamın hatırlandığıyla ilgilidir; odak ise işin nasıl ilerlediğiyle ilgilidir.
Bu açıklama bir ürün yeteneği iddiasıdır; her arayüzün veya API çağrısının bir kullanıcının geçmişini otomatik olarak paylaştığının garantisi değildir. Meta, Muse Wonder'ın Model API ve Muse Code üzerinden kullanılabildiğini söylüyor. Geliştirici belgeleri 1.048.576 token'lık bir bağlam penceresi ve desteklenen akıl yürütme ayarlarını listeliyor; ancak bağlam penceresi bir isteğin içerebileceği bağlam miktarıdır, önceki isteklerin kalıcı olduğunun kanıtı değildir. Seçtiğiniz ürünün gerçekte hangi geçmişi veya hafızayı sağladığını kontrol edin.
Muse Wonder Hafıza Testi Nasıl Çalıştırılır
Tek bir çalıştırma boyunca tek bir hesap ve aynı model varyantını kullanın. Bir sohbet ürünü için değerlendirmeyi planladığınız hafıza özelliğini açın ve ayarını kaydedin. Bir API entegrasyonu için, kendi uygulamanızın isteğe önceki turları, saklanan bir profili veya getirilen notları dahil edip etmediğini not edin. Bu bilgi olmadan, hatırlamayı tek başına modele atfedemezsiniz.
1. Ona ilgili gerçekleri verin
İlk sohbette bu kurgusal profili yapıştırın. Yalnızca bir onay isteyin; böylece model gerçekleri hemen bir plana dönüştürmez.
plaintext1I’m planning a fictional weekend trip. Remember these details for a later planning task: 2- I prefer quiet outdoor activities over crowded events. 3- My fictional trip budget is $400. 4- I avoid shellfish. 5Do not make a plan yet. Reply only with a brief acknowledgment.
Aynı üründe gerçekten yeni bir sohbet açın, ardından şunu sorun:
plaintext1Suggest a suitable weekend activity for me. Use only the preferences I previously shared that matter to this task. List the relevant details you used, and say if you are unsure about any of them.
İyi bir yanıt, sakin açık hava etkinlikleri tercihini kullanır. Bütçeden veya kabuklu deniz ürünlerinden bahsetmesi gerekmez; çünkü bir etkinlik önermek için bu ayrıntıların ikisi de gerekli değildir. Uydurulmuş tercihlere dikkat edin. Ürün önceki sohbetlere erişemiyorsa veya hafıza kapalıysa, modeli gerçekleri almış gibi puanlamak yerine “bu yüzeyde hafıza kullanılamıyor” diye kaydedin.
2. Güncelliğini yitirmiş bir gerçeği düzeltin
Başka bir test başlığında bir randevu tanıtın ve ardından açıkça değiştirin. Düzeltmeyi ayrı bir mesajda tutun; böylece sonraki güncellemenin kazanıp kazanmadığını anlayabilirsiniz.
plaintext1For this fictional project, the review meeting is initially set for Tuesday at 2 p.m. Please retain that detail.
plaintext1Correction: the review meeting has moved to Thursday at 10 a.m. The Tuesday time is outdated. Please use Thursday at 10 a.m. from now on.
Yeni bir sohbette bunu sorun:
plaintext1When is the review meeting? If you have conflicting information, give the current time and explain which update you treated as authoritative.
Perşembe saat 10.00'u verir ve Salı'yı güncelliğini yitirmiş olarak değerlendirirse geçer. Karışık bir yanıt veya Salı'yı kendinden emin şekilde kullanmak, orijinal ayrıntıyı kusursuz hatırlamış olsa bile anlamlı bir başarısızlıktır.
3. Dikkat dağıtıcı ekleyin ve bilinmeyeni test edin
İlk sohbete, uydurma bir proje rengi veya hayali bir parsel numarası gibi iki ya da üç zararsız kurgusal gerçek ekleyin. Bir gecikmeden sonra yeni bir sohbet başlatın ve ilgili bir tercihle ilgili bir soru ile hiç vermediğiniz bir gerçekle ilgili bir soru sorun. Her yanıtın puanlanması kolay olsun diye soruları ayrı tutun.
Güçlü bir sonuç ilgili tercihi kullanır, ilgisiz ayrıntıları dışarıda bırakır ve eksik gerçeği bilmediğini söyler. Daha katı bir gecikme testi için aynı istemi ertesi gün yineleyin. On dakika yeni sohbet sınırını kontrol edebilir, ancak hafta boyunca saklamayı kanıtlayamaz.
Muse Wonder Active Memory test kartı: kurulumu, yeni sohbet sorularını ve kaydedilecek kanıtları gösterir
Kontrolü başka bir değerlendiricinin yeniden üretebilmesi için istemi, ürün yüzeyini, hafıza ayarını, gecikmeyi ve ham yanıtı birlikte tutun.
Active Memory Testi Nasıl Puanlanır
Her davranışı 0 ile 2 arasında puanlayın. Sonucu, modelleri evrensel olarak sıralamak için değil, kendi iş akışınızdaki çalıştırmaları karşılaştırmak için kullanın.
| Boyut | 0 puan | 1 puan | 2 puan |
|---|---|---|---|
| İlgili bilgiyi geri getirme | Gerekli bilgiyi kaçırır veya uydurur | Kısmen doğru | Doğru bilgiyi isabetli şekilde seçer |
| Düzeltme işleme | Eski değeri kullanır | Belirsizdir veya ikisini karıştırır | En güncel değeri kullanır ve eskisini güncelliğini yitirmiş olarak tanımlar |
| Dikkat dağıtıcı kontrolü | İlgisiz bilgilere çekilir | Bazı ilgisiz ayrıntıları dahil eder | Yalnızca soruyla ilgili bağlamı kullanır |
| Belirsizlik | Kendinden emin şekilde tahmin eder | Temkinli davranır ama yine de tahmin eder | Yanıtın sağlanmadığını açıkça söyler |
| İzlenebilirlik | Hiçbir dayanak vermez | Dayanağının yalnızca bir kısmını adlandırır | Dayandığı bağlamı kısaca listeler |
Sıfırdan iki puana kadar beş Active Memory puanlama boyutu ve gözlemlenebilir geçme kriterleri
0–2 rubriği öznel bir izlenimi beş gözlemlenebilir kontrole dönüştürür.
On puan kullanışlı bir iç skordur, doğrulanmış bir eşik değildir. Bireysel boyut puanlarını saklayın: bir toplam, başka bir yerdeki iyi hatırlamanın arkasına ciddi bir düzeltme başarısızlığını gizleyebilir. Tam istemleri ve düzenlenmemiş çıktıları kaydedin, ardından dağıtım kararınızı değiştirmeden önce çalıştırmayı yineleyin.
MemoryBench'in Size Söyleyebildikleri ve Söyleyemedikleri
Meta'nın model kartı, MemoryBench'i 64K ila 100K token uzunluğundaki uzun ve karmaşık sohbetler üzerinde iç bir değerlendirme olarak tanımlar. Görevleri arasında birden çok gerçek, dikkat dağıtıcı sohbetler ve hedef ayrıntılarla çelişen veya bunları sonradan güncelleyen enjekte edilmiş turlar bulunur; bir LLM yargıcı yanıtları ağırlıklı, soruya özgü kriterlere göre puanlar. Bu, benchmark'ın kapsamını anlamak için yararlı bir bağlamdır, ancak bir kullanıcının kişisel hafıza ayarının sohbetler arasında çalışmasıyla aynı şey değildir.
Model kartı görev tasarımını açıklar; bu 10 dakikalık alıştırmayı bir çoğaltmaya dönüştürmez. Meta'nın yayımladığı puan, bildirilen değerlendirme kurulumuna ilişkin kanıttır. Sizin çalıştırmanız daha dar bir operasyonel soruyu yanıtlar: bu belirli ürün yüzeyi, yapılandırma ve hesap, iş akışınızın ihtiyaç duyduğu gerçekleri geri getiriyor mu? Bunlardan hiçbiri tek başına her kullanıcı veya görev için güvenilir hafızayı kanıtlamaz.
Muse Wonder vs. Muse Wonder Full: Nerede Test Edilmeli
İki varyant aynı erişim yollarına sahip değildir. Meta'nın güncel geliştirici belgeleri, Muse Wonder'ın (muse-wonder-1.0) Model API'de ve Muse Code'da kullanılabildiğini söylüyor. Muse Wonder Full yalnızca Muse Code'da Power Usage ve Maximum Usage planlarında kullanılabilir. Muse Wonder'ın akıl yürütme çabasını “max” olarak ayarlamak onu Wonder Full'a geçirmez.
| Varyant | Belgelenen erişim | Neyi kaydetmeli |
|---|---|---|
| Muse Wonder | Model API ve Muse Code | API model kimliği veya Muse Code yüzeyi, ayrıca önceki bağlamın sağlanıp sağlanmadığı |
| Muse Wonder Full | Power Usage ve Maximum Usage planlarında Muse Code | Plan, seçilen varyant ve o yüzeyde kullanılabilen hafıza ayarı |
Aynı kurgusal profili kullanılabilen her yüzeyde ayrı ayrı çalıştırın. Kaydedilmiş profil ayrıntılarını geri getirebilen bir Muse Code testini, yalnızca geçerli istemi almış durumsuz bir API çağrısıyla karşılaştırmayın. Bu, yalnızca iki model varyantını değil, farklı sistemleri karşılaştırır.
Gizlilik ve Yinelenebilir Test
Uydurulmuş tercihler, tarihler ve proje ayrıntıları kullanın. Gerçek verileri denemeden önce ürünün hafıza kontrollerini, silme yolunu, saklama bilgilerini ve veri kullanım ayarını inceleyin. Meta'nın API belgeleri, Standart moddaki içeriğin Meta modellerini eğitmek için kullanılmadığını söylüyor; Muse Code ayrıca varsayılan olarak açık olan ve kapatılmadığı sürece içeriği eğitim için kullanabilen Contributor modunu sunuyor. Kullandığınız ürünün güncel ayarlarını ve koşullarını kontrol edin; tüm yüzeylerin verileri aynı şekilde işlediğini varsaymayın.
Bir API için modeli uygulamanızın hafıza katmanından ayırın. Yazılımınızın gönderdiği bir veritabanı, geri getirme sistemi veya istem geçmişi hatırlamayı yapıyor olabilir. Test kayıtlarını sentetik tutarken uygulamanın neyi geri getirdiğini ve her isteğe neyi aktardığını günlüğe kaydedin.
Ekipler üç turu küçük, sürümlenmiş bir değerlendirme setine dönüştürebilir. Gerçek profili, düzeltmeyi, dikkat dağıtıcıları, model varyantını, ürün ayarlarını, gecikmeyi ve ham yanıtı sabit tutun. Yapılandırma veya model değişikliklerinden sonra yeniden çalıştırın ve başarısızlıkları boyuta göre inceleyin. Barındırılan modelleri yinelenebilir bir test düzeneğinde karşılaştıran ekipler için Atlas Cloud bir katalog ve bir birleşik LLM API kılavuzu sunar. Ayrı bir karşılaştırma için model dizinine göz atabilirsiniz. Dizin şu anda Muse Wonder'ı listelemiyor ve orada başka bir model kullanmak, uygulamanız bir hafıza katmanı eklemedikçe yalnızca o modele açıkça sağlanan bağlamı test eder.
Sıkça Sorulan Sorular
Muse Wonder'ın Active Memory'sini sohbetler arasında nasıl test ederim?
Bir sohbette kurgusal gerçekler sağlayın, ardından yeni bir sohbette ilgili ayrıntıları sorun. Bir düzeltme ve eksik bir gerçek ekleyin; ürün yüzeyini ve hafıza ayarlarını kaydedin.
Muse Wonder düzeltmeleri mi hatırlar yoksa yalnızca önceki ayrıntıları mı?
Meta'nın MemoryBench açıklaması, önceki ayrıntıları güncelleyen veya onlarla çelişen turları içerir. Kendi düzeltme testiniz, mevcut ürün kurulumunun güncellemeyi takip edip etmediğini kontrol eder; tek bir sonuç tutarlı davranışı kanıtlamadığı için bunu yineleyin.
Bu sohbet geçmişi testi Meta'nın MemoryBench'iyle aynı mı?
Hayır. Meta, MemoryBench'i 64K ila 100K token uzunluğundaki sohbetler, dikkat dağıtıcılar, çelişen veya güncellenen gerçekler ve bir LLM yargıcı kullanan iç bir uzun bağlam benchmark'ı olarak tanımlar. Bu kısa kontrol pratik bir ön kontrol testidir, bir çoğaltma değildir.
Muse Wonder Active Memory'yi API üzerinden test edebilir miyim?
API modelinin isteğe ulaşan bağlamı hatırlamasını test edebilirsiniz. İstekler arası kalıcılık için API'nin veya uygulamanızın neyi saklayıp gönderdiğini doğrulayın. Büyük bir bağlam penceresinin bulunması, ayrı isteklerin hafızayı paylaştığını tek başına göstermez.
Model hafızasını uygulamada saklanan hafızadan nasıl ayırt ederim?
Modele gönderilen tam isteği inceleyin. Uygulamanız bir profil, getirilen not veya önceki sohbet ekliyorsa hafızayı o yazılım katmanı sağlamıştır. Uygun olduğunda, bunu dışarıda bırakan kontrollü bir çalıştırmayla karşılaştırın.
Bir Active Memory testinde kişisel bilgi kullanmak güvenli mi?
Test için kurgusal bilgiler kullanın. Daha sonra gerçek verileri değerlendirirseniz önce ilgili ürünün hafıza, silme, saklama ve veri kullanım ayarlarını inceleyin.
Bir Muse Wonder Active Memory testi, hangi adımın başarısız olduğunu ortaya çıkardığında en yararlıdır: önceki bağlama erişim, geri getirme, düzeltme, filtreleme veya belirsizlik. Ham çalıştırmayı kaydedin, ardından güvenmeyi planladığınız tam kurulum altında yineleyin.
Kaynaklar: Meta'nın Muse Wonder duyurusu (12 Ekim 2026); Meta Model API model belgeleri (erişim: 15 Ekim 2026); Muse Wonder Model Card (Ekim 2026)._
