هوش مصنوعی
WASP-Mem تجربه‌های عامل هوش مصنوعی را به راهنماهای اجرایی پیوندخورده تبدیل می‌کند
پیش‌چاپی در arXiv روشی برای ساخت حافظهٔ رویه‌ای عامل‌ها معرفی می‌کند؛ روشی که موفقیت‌های تکرارشونده و خطاهای تشخیص‌داده‌شده را به اقدام‌ها و راهبردهای بازیابیِ قابل استفادهٔ دوباره تبدیل می‌کند.
عامل‌های مبتنی بر مدل‌های زبانی بزرگ در اجرای رویه‌های پیچیدهٔ سازمانی با محدودیت روبه‌رو هستند: چارچوب‌های ازپیش‌ساخته ممکن است سیاست‌های اختصاصی، رفتارهای مستندنشده یا مسیرهای بازیابی وابسته به وضعیت را پوشش ندهند؛ مواردی که گاهی فقط هنگام اجرا آشکار می‌شوند.
پژوهشگران در پیش‌چاپ WASP-Mem، کوتاه‌شدهٔ Wiki-based Agent-Synthesized Procedural Memory، روشی بدون نیاز به آموزش معرفی کرده‌اند که ردپاهای اجرای عامل و بازخوردها را به صفحه‌های ویکیِ پایدار و مرتبط با یکدیگر تبدیل می‌کند. هدف این است که عامل با انباشتن تجربه، از موفقیت‌های تکرارشونده و شکست‌های تشخیص‌داده‌شده اقدام‌های قابل‌استفادهٔ مجدد و راهبردهای بازیابی بسازد.
چکیده می‌گوید WASP-Mem در معیار TheAgentCompany عملکرد را بهبود می‌دهد، اما متن در دسترس نتیجهٔ عددی یا جزئیات بیشتری از این ارزیابی ارائه نمی‌کند.
این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.
منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗
پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست
رد این داستان در رادار
خبرهای مرتبط از آرشیو منتشرشده