AutoRefine: Agenten lernen aus Erfahrung – Schritte um bis zu 73 % reduziert
Large‑Language‑Model‑Agenten haben lange damit zu kämpfen, aus ihren Erfahrungen zu lernen. Traditionelle Ansätze speichern das Wissen lediglich als flache Texte, wodurch die komplexen Abläufe von Unteraufgaben nicht erfasst werden. Zudem verschlechtert sich die Qualität der Wissensdatenbank, wenn sie ohne Pflege weiter wächst.
