पत्र ने WorldEvolver का परिचय दिया है, एक फ्रेमवर्क जो मॉडल पैरामीटर को संशोधित किए बिना डिप्लॉयमेंट-टाइम संदर्भ को पुनः समायोजित करके लॉन्ग-होराइजन LLM एजेंट्स को विश्वसनीय पूर्वदृष्टि प्रदान करता है। यह एक स्व-विकासशील दृष्टिकोण के माध्यम से भविष्यवाणी की निम्नता से निर्णय लेने में होने वाली कमी की समस्या को संबोधित करता है, जिससे भविष्यवाणी विश्वसनीयता और प्लानिंग प्रदर्शन बढ़ता है।
- एपिसोडिक मेमोरी सिमुलेशन के लिए वास्तविक एक्शन ट्रांजिशन को पुनः प्राप्त करता है।
- सेमांटिक मेमोरी भविष्यवाणी-अवलोकन असंगतियों से स्थायी हेयुरिस्टिक नियम निकालता है।
- सिलेक्टिव फोरसाइट एकीकरण से पहले कम-कॉन्फिडेंस भविष्यवाणियों को फ़िल्टर करता है।
- ALFWorld और ScienceWorld पर मूल्यांकन किया गया, यह तीन बैकबोन्स के across उच्चतम भविष्यवाणी सटीकता प्राप्त करता है।
- एजेंटबोर्ड पर मापी गई डाउनस्ट्रीम एजेंट सफलता दर पर अन्य बेलाइनों से आगे है।
यह दृष्टिकोण दिखाता है कि टेस्ट-टाइम मेमोरी पुनः समायोजन विश्व मॉडल भविष्यवाणियों की सटीकता और एजेंट प्लानिंग कार्यों की कुल सफलता दर दोनों को महत्वपूर्ण रूप से सुधारता है।