PraMem est une nouvelle approche de la prédiction de comportements à long horizon qui traite les limites des grands modèles de langage dans l'induction de schémas comportementaux latents et la surmontation des biais cognitifs. Au lieu de compresser les données historiques, il effectue une pratique préalable sur des séquences longues pour construire une mémoire expérientielle utilisée comme entrée assistée.
- Reformule les séquences historiques d'une charge en une ressource précieuse à exploiter.
- Construit une mémoire expérientielle grâce à une pratique préalable sur la séquence historique.
- Utilise cette mémoire comme entrée assistée pour améliorer la précision de la prédiction.
- Démontre des performances supérieures par rapport aux méthodes antérieures sur diverses tâches.
Les auteurs considèrent cela comme significatif car il résout les défis fondamentaux de la prédiction à long horizon en tirant parti de l'histoire plutôt qu'en se contentant d'alléger sa charge.