Menyempurnakan Agen LLM tanpa Penyetelan LLM! Bayangkan meningkatkan performa agen AI Anda dari pengalaman tanpa pernah menyentuh bobot model. Ini seperti bagaimana manusia mengingat episode masa lalu dan belajar darinya. Itulah yang dilakukan Memento. Konsep inti: Alih-alih memperbarui bobot LLM, Memento belajar dari pengalaman menggunakan memori. Ini membingkai ulang pembelajaran berkelanjutan sebagai pembelajaran penguatan online berbasis memori di atas MDP yang ditambah memori. Anggap saja seperti memberi agen Anda buku catatan untuk mengingat apa yang berhasil dan apa yang tidak! Bagaimana cara kerjanya? Sistem ini dipecah menjadi dua komponen utama: 1️⃣ Penalaran Berbasis Kasus (CBR) di tempat kerja: Menguraikan tugas kompleks menjadi sub-tugas dan mengambil pengalaman masa lalu yang relevan. Tidak perlu gradien, hanya pengambilan memori cerdas! 2️⃣ Pelaksana Menjalankan setiap subtugas menggunakan alat MCP dan mencatat hasil dalam memori untuk referensi di masa mendatang. Melalui MCP, pelaksana dapat menyelesaikan sebagian besar tugas dunia nyata & memiliki akses ke alat berikut: 🔍 Penelitian web 📄 Penanganan dokumen 🐍 Eksekusi Python yang aman 📊 Analisis data 🎥 Pemrosesan media Saya menemukan ini sebagai jalan yang sangat baik untuk membangun agen seperti manusia. 👉 Terserah Anda, apa pendapat Anda? Saya telah membagikan tautan yang relevan di tweet berikutnya! _____ Bagikan ini dengan jaringan Anda jika Anda menemukan ini berwawasan ♻️ Temukan saya → @akshay_pachaar untuk lebih banyak wawasan dan tutorial tentang AI dan Pembelajaran Mesin!