X-SYNTH：超越检索——根据观察到的人类注意力进行企业上下文合成

在企业运营中，人工智能代理任务所需的上下文分散在记录系统、静态信息存储和通信渠道中。存储的是系统状态，是实际发生的工作的有损表示 [2, 52]。流行的方法[17,31,34,36]通过将请求内容与存储的内容相匹配来进行检索；对于狭窄的请求，这效果很好。但综合质量取决于了解要呈现的内容以及如何解释它：特定于每个组织、团队和个人的知识 [5,57,61]，存在于行为模式中，不存在于任何检索索引中。对于复杂的代理任务，它会崩溃：正确线索率低，错误线索率高，并且模型没有改进机制。我们提出了 X-SYNTH，一个基于人类注意力的企业环境综合框架，每位员工的数字可观察交互签名，不仅编码他们所做的事情，还编码他们做事的顺序，以及隐含的奖励信号。积极结果之前的行为痕迹与未发生积极结果的行为痕迹是可以区分的，无需外部标签。 X-SYNTH 将每个人的行为基线建模为数字孪生签名 (DTS)，并在每个人和每个查询的七个质量不同的注意力过滤器中进行选择：比例、反向、差异、循环、比较、顺序和集体，以识别因果相关的活动签名。四阶段管道组装基于行为模式而不是查询嵌入的排名上下文。在销售线索识别任务中，前沿模型在没有辅助的情况下实现了 9.5% 的正确线索率 (TLR) 和 90.5% 的错误线索率 (FLR)。通过 X-SYNTH 增强后，TLR 上升至 61.9%（6.5 倍），而 FLR 下降至 18.8%。企业上下文综合不是一个检索问题。这是一个相关性问题，而人类的注意力是其最可靠的基本事实。