Memp: Framework für prozedurales Gedächtnis als Kernoptimierung in LLM-Agenten
Anzeige
LLM‑Agenten haben sich zu leistungsstarken Helfern entwickelt, die von Webrecherchen über Berichtserstellung bis hin zu Datenanalysen und mehrstufigen Software‑Workflows alles bewältigen können. Sie stoßen jedoch an ihre Grenzen, wenn es um prozedurales Gedächtnis geht. Dieses ist meist starr, manuell entworfen oder fest im Modellgewicht verankert. Dadurch sind die Agenten anfällig: unerwartete Ereignisse wie Netzwerk‑Ausfälle oder Änderungen an Benutzeroberflächen können zu Fehlfunktionen führen. Das neue Framework „Memp“ zielt darauf ab, prozedurales Gedächtnis zum zentralen Optimierungsziel zu machen und die Robustheit von LLM‑basierten Agenten zu erhöhen.
Ähnliche Artikel
arXiv – cs.LG
•
Automatisierte Lernraten: Erklärbare Regime für stochastische Optimierung
arXiv – cs.AI
•
CHBench: Neues Benchmark für strategisches Denken von Sprachmodellen
arXiv – cs.LG
•
DHG-Bench: Das erste umfassende Benchmark für Deep Hypergraph Learning
arXiv – cs.LG
•
CRoC: Neue Methode zur Graphanomalie-Erkennung mit wenig gelabelten Daten
arXiv – cs.LG
•
Kontraktive Regularisierung stärkt Convolutional NODEs gegen Rauschen
arXiv – cs.AI
•
Neuer, nichtparametrischer Test entdeckt genetische Zusammenhänge bei Sequenzdaten