يقدم الباحثون إطار عمل MemCon، الذي يُمثّل عمليات الذاكرة كعملية قرار ماركوف لتعلم سياسة عبر الإنترنت للاسترجاع والتكيف التكيفي في وكلاء LLM. وعلى عكس الاستدلالات الثابتة، يقرر هذا النهج ديناميكياً متى وكم يجب استرجاعه بناءً على السياق.
- يقوم MemCon بتغليف أي تنفيذ ذاكرة موجود ويتعلم من التغذية الراجعة الثنائية لكل مهمة دون تدريب مسبق أو مكالمات LLM إضافية.
- يستخدم شريطاً سياقياً جدولياً خفيف الوزن مع استكشاف UCB يتقارب خلال عشرات المهام.
- عبر 6 معايير تقييم، و3 أطر عمل للوكلاء، و3 هياكل خلفية لـ LLM، يتفوق MemCon على الخطوط الأساسية بنسبة تصل إلى 15.2 نقطة في نجاح المهمة.
- تقلل الطريقة من استهلاك الرموز بنسبة 5--20% مع تحسين الأداء.
يعالج MemCon عنق الزجاجة للوصول الثابت إلى الذاكرة من خلال السماح للوكلاء بإدارة تراكم الخبرة وإعادة استخدام الخطط بشكل تكيفي.