MemCo: Nytt minnessystem låter AI-agenter lära av varandra utan att blanda ihop kontexterna

arXiv cs.AI

Forskare presenterar MemCo, ett ramverk där LLM-agenter (stora språkmodeller som agerar självständigt) delar erfarenheter via ett tvånivåminne – ett lokalt för miljöspecifika detaljer och ett globalt för generella arbetsflöden. Problemet de löser är klassiskt: delat minne är antingen för specifikt eller för vagt för att vara användbart i nya situationer. I tester på beslutsbenchmarks presterar MemCo bättre än både isolerat och traditionellt delat minne, med färre onödiga utforskningsrundor.