Agenti AI con Pesi Congelati Apprendono dal Feedback di Deployment tramite Memoria Esterna
Un nuovo articolo su arXiv (2607.22157) dimostra che agenti AI con modelli congelati possono ottenere apprendimento continuo abbinandoli a una memoria esterna che distillizza ogni episodio in regole in linguaggio naturale recuperabili. Utilizzando solo il verdetto binario del risultato del feedback di deployment, il successo al primo tentativo nel dominio bancario di τ-bench è salito a 1,6 volte la baseline RAG statica; l'apprendimento dalle correzioni ha raggiunto 2,6 volte, convertendo 22 degli 84 compiti che la baseline non aveva mai risolto. Il metodo è stato testato su Mistral Large e copre l'intero spettro del deployment.
Fatti principali
- Articolo arXiv 2607.22157
- Agenti con pesi congelati abbinati a memoria esterna per apprendimento continuo
- Feedback dal deployment (verdetti di risultato e correzioni) utilizzato come segnale di apprendimento
- Testato sul dominio bancario di τ-bench
- Verdetto binario del risultato ha aumentato il successo a 1,6× la baseline
- Apprendimento dalle correzioni ha raggiunto 2,6× la baseline
- Convertiti 22 degli 84 compiti precedentemente non risolti
- Testato sul modello Mistral Large
Entità
Istituzioni
- arXiv
- Mistral Large