O autor desenvolveu um projeto em Rust chamado SelMem para experimentar com memória imperfeita e dependente do caminho para grandes modelos de linguagem. Essa abordagem imita a memória humana, permitindo que agentes comprimam, esqueçam e reconstruam memórias ao longo do tempo, em vez de armazenar cópias perfeitas das interações.

  • Dois agentes idênticos passam pelas mesmas interações iniciais até que um sofra uma divergência.
  • O sistema remove o contexto original, confiando em memórias comprimidas e potencialmente distorcidas para as rodadas subsequentes.
  • As entradas originais são armazenadas separadamente para comparação, mas não são usadas durante a recuperação para testar a fidelidade da memória.
  • O objetivo é determinar se as diferenças na experiência sobrevivem ao processo de memória seletiva ou produzem ruído interessante.

O autor convida outros que trabalham com agentes LLM e memória a tentar invalidar a ideia, observando que, embora a utilidade seja incerta, o experimento visa explorar como tais mecanismos afetam a unicidade do agente.