CoEvo-Mem: Un framework a ciclo chiuso per co-evolvere recupero e memoria negli agenti LLM
C'è un nuovo studio che presenta CoEvo-Mem, un sistema progettato per migliorare gli agenti LLM a lungo termine facendo evolvere contemporaneamente sia i loro banchi di memoria che le politiche di recupero. Lo si può trovare su arXiv con il numero 2608.01739. I ricercatori sottolineano che la maggior parte dei metodi esistenti si concentra o su come accedere meglio alla memoria o su come aggiornarla, ma spesso perdono la connessione tra recupero e attivazione della memoria. CoEvo-Mem affronta questo problema utilizzando un LLM statico per creare riscritture di query specifiche, con un router leggero che effettua aggiustamenti in tempo reale. Il contesto recuperato funge da collegamento: i risultati del compito forniscono feedback sul routing, e questo, a sua volta, aiuta a perfezionare il banco di memoria, migliorando le prestazioni dell'LLM attraverso compiti e sessioni.
Fatti principali
- L'articolo è intitolato 'CoEvo-Mem: Co-Evolving Retrieval Policy and Memory Bank for LLM Agents'.
- È disponibile su arXiv con identificatore 2608.01739.
- L'articolo propone un framework a ciclo chiuso per co-evolvere la politica di recupero e il banco di memoria.
- I metodi esistenti tipicamente ottimizzano separatamente l'accesso alla memoria o l'evoluzione della memoria.
- CoEvo-Mem utilizza un LLM congelato per generare riscritture di query specifiche per il percorso e un prior di routing.
- Un router residuo leggero corregge online il prior di routing.
- Il contesto recuperato funge da interfaccia di accoppiamento tra recupero e aggiornamento della memoria.
- I risultati del compito assegnano credito alle decisioni di routing, e il feedback condizionato dalla traiettoria aggiorna il banco di memoria.
Entità
Istituzioni
- arXiv