L'auteur a développé un projet Rust appelé SelMem pour expérimenter une mémoire imparfaite et dépendante du chemin pour les grands modèles de langage. Cette approche imite la mémoire humaine en permettant aux agents de compresser, oublier et reconstruire des souvenirs au fil du temps plutôt que de stocker des copies parfaites des interactions.
- Deux agents identiques subissent les mêmes interactions initiales jusqu'à ce que l'un connaisse une divergence.
- Le système supprime le contexte original, s'appuyant sur des souvenirs compressés et potentiellement déformés pour les tours suivants.
- Les entrées originales sont stockées séparément pour la comparaison mais ne sont pas utilisées lors de la récupération pour tester la fidélité de la mémoire.
- L'objectif est de déterminer si les différences d'expérience survivent au processus de mémoire sélective ou produisent un bruit intéressant.
L'auteur invite les autres travaillant sur les agents LLM et la mémoire à essayer de réfuter l'idée, notant que bien que l'utilité soit non prouvée, l'expérimentation vise à explorer comment ces mécanismes affectent l'unicité de l'agent.