L'auteur présente SelMem, un projet expérimental à un stade précoce écrit en Rust qui explore si les agents LLM peuvent développer une divergence comportementale persistante grâce à un système de mémoire reconstructive. Ce système permet aux agents d'oublier, de déformer et de consolider des expériences au fil du temps, ce qui peut potentiellement conduire à des récits internes différents même avec des historiques identiques.
- Le projet est actuellement à un stade très précoce sans benchmarks sérieux pour le moment.
- Il vise à évaluer comment les architectures de mémoire sélective influencent le développement de la personnalité de l'agent.
- Des retours sont spécifiquement demandés concernant les méthodes d'évaluation et les comparaisons avec les architectures de mémoire existantes.
L'auteur considère ce travail important pour comprendre les effets à long terme des mécanismes de mémoire sur le comportement des LLM, bien qu'il reste une exploration préliminaire plutôt qu'un produit finalisé.