MemWM: Modello del Mondo Testuale con Memoria Migliora l'Accuratezza della Pianificazione

Un recente articolo di ricerca presenta MemWM, un modello del mondo testuale potenziato con memoria, volto a migliorare le capacità di pianificazione degli agenti AI affinando le previsioni dello stato successivo. Questo modello affronta inaccuratezze sistematiche nei modelli del mondo, come trascurare dettagli essenziali del compito, distorcere le caratteristiche del prodotto e applicare erroneamente le regole di transizione. MemWM dispone di un repository di memoria specializzato, noto come 'memoria del mondo', che contiene regole di transizione, cache di stato e informazioni difficili da prevedere, guidando la generazione dello stato successivo sulla base di questa memoria. Inoltre, lo studio introduce la Structured State Fidelity (SSF), una nuova metrica di valutazione che valuta gli stati previsti rispetto a fatti di riferimento specifici. I risultati indicano che l'addestramento potenziato con memoria migliora la SSF fino al 206,3% rispetto al fine-tuning standard (SFT). La ricerca è disponibile su arXiv con l'identificatore 2608.07107.