يقدم الباحثون طريقة تنفيذ تكهنية لوكلاء LLM تزود المُتكَهِن بثلاثة أنظمة ذاكرة عبر الإنترنت للتعلم من المسارات السابقة، مما يعالج قيود المُتكَهِنين عديمي الحالة الحاليين. تستخدم هذه النهج جدول انتقال تقاربي، وذاكرة أحداثية، ومتعقب ارتباك لتحسين جودة التنبؤ مع مرور الوقت.
- يؤدي التكهن المعزز بالذاكرة إلى تحسن نسبي في الدقة بنسبة 19--39% على معايير تنبؤ الإجراءات.
- تشهد مهام تنبؤ الملاحظات زيادة في الأداء تصل إلى 2.5 مرة مع مساحات إجراءات متكررة.
- تزداد المكاسب باستمرار مع تراكم الذاكرة وتتعمم عبر نماذج متكهِنة بتكاليف متفاوتة.
- يتم تشغيل جميع عمليات التكهن أثناء وقت الخمول، مما يؤدي إلى عدم وجود تكلفة إضافية على الساعة الحائط ومسارات عامل متطابقة.
توفر هذه الطريقة تسريعًا بدون فقدان لوكلاء LLM من خلال الاستفادة من البيانات التاريخية لتعزيز دقة التنبؤ دون التأثير على سرعة التنفيذ أو صحته.