Ny AI-arkitektur låter språkmodeller delta i möten utan att tiga ihjäl sig

arXiv cs.AI

Forskare har byggt CAPA, ett system där en AI-agent kan representera en frånvarande mötesdeltagare i realtid. Vanliga språkmodeller missar hela 51,4% av tillfällena att bidra i ett möte – CAPA sänker den siffran till 2,5% och halverar dessutom problemet med att agenten hittar på saker (hallucination) till 0,6%. Det intressanta är att lösningen inte handlar om att mata modellen med mer kontext, utan om att ge den en strukturerad bild av mötets tillstånd – vem har sagt vad, vad återstår att täcka.

Djupdykning

AI-agenter som ska "representera dig" på möten har ett grundläggande problem: de vet inte när de ska öppna munnen. Forskarna bakom CAPA identifierar att vanliga LLM-delegater missar över hälften av alla tillfällen där de borde ha bidragit – inte för att de saknar relevant information, utan för att de inte har koll på mötets sociala och argumentativa dynamik, alltså vem som sagt vad, vad som redan täckts in, och när golvet faktiskt är öppet. CAPA löser detta genom att dela upp problemet i fyra separata moduler: en som lyssnar och uppdaterar en intern "mötesbild", en som förutspår vart samtalet är på väg, en som avgör om och vad man ska säga, och en som formulerar bidraget i deltagarens egen ton. Det verkligt intressanta resultatet är inte att tystnadsprocenten sjunker från 51% till 2,5%, utan att hallucinationer – det vill säga påhittade eller felaktiga påståenden – hålls nere på 0,6%, vilket tyder på att systemet faktiskt förstår vad mötet handlar om snarare än bara fyller tomrum med text. Det de flesta missar när de läser om AI-mötesdelegation är att problemet aldrig var att generera övertygande mötesprat – LLMs är redan skrämmande bra på det. Utmaningen är situationsmedvetenhet i realtid, och den insikten förskjuter hela designparadigmet från "bättre promptar" till "bättre arkitektur". Att råkontextskala, det vill säga att bara ge modellen mer möteshistorik, inte löser igenkänningsproblemet är ett fynd som borde få fler AI-produktteam att tänka om.