$\infty$-THOR는 장기간 지속되는 구현된 AI의 장기 맥락 이해를 발전시키는 새로운 프레임워크입니다. $\infty$-THOR는 확장 가능하고, 재현 가능하며, 무제한적인 장기간 트래젝토리를 합성하는 생성 프레임워크, 장기간 트래젝토리에 걸쳐 여러 개의 산재된 단서가 에이전트의 장기 맥락 추론 능력을 시험하는 새로운 구현된 QA 작업인 Needle(s) in the Embodied Haystack, 그리고 수백 개의 환경 단계에 걸쳐 복잡한 작업을 특징으로 하는 장기간 데이터셋 및 벤치마크 모음(각 작업은 정답 액션 시퀀스와 짝을 이룸)을 제공합니다. 이 기능을 가능하게 하기 위해, LLM 기반 에이전트에게 극단적인 장기 맥락 추론 및 상호 작용을 위한 인터리브된 목표 상태-액션 모델링, 맥락 확장 기술 및 맥락 병렬 처리를 포함한 아키텍처 적응을 탐구합니다. 실험 결과 및 분석은 우리의 벤치마크가 제기하는 과제를 강조하고 장기간 조건 하에서의 훈련 전략 및 모델 동작에 대한 통찰력을 제공합니다. 본 연구는 견고하고 장기적인 추론 및 계획이 가능한 차세대 구현된 AI 시스템의 기반을 제공합니다.
