ReasoningBank: Muistikehys tekoälyagenttien onnistumisista ja epäonnistumisista oppimiseen
Google/DeepMind
Googlen tutkijat ehdottavat ReasoningBankia, uutta agenttimuistikehystä, joka tislaa yleistettäviä päättelystrategioita sekä onnistuneista että epäonnistuneista kokemuksista mahdollistaen jatkuvan oppimisen käyttöönoton jälkeen. Verkkoselailun ja ohjelmistotekniikan vertailuarvoilla arvioituna se parantaa agentin tehokkuutta ja suorituskykyä. Kehys hyödyntää muistitietoista testiajan skaalausta (Memory-Aware Test-Time Scaling, MaTTS) hyödyntääkseen tutkimuspolkuja.
Tutkijat Jun Yan ja Chen-Yu Lee Google Cloudista esittelivät ReasoningBankin, uuden agenttimuistikehyksen, joka esiteltiin ICLR 2025 -konferenssissa. Se ratkaisee nykyisten agenttien rajoituksen, joka on se, etteivät ne opi aiemmista kokemuksista käyttöönoton jälkeen. Toisin kuin olemassa olevat menetelmät, jotka tallentavat joko kaikki toimintalokit tai vain onnistuneet työnkulut, ReasoningBank tislasi sekä onnistumisista että epäonnistumisista korkean tason, siirrettäviä päättelymalleja. Jokainen muistielementti tallennetaan jäsenneltynä tietueena, joka sisältää skenaarion, ohjeen, päättelystrategian ja toimintaluonnoksen. Järjestelmä toimii suljetussa silmukassa, jossa hakua, erottelua ja yhdistämistä ohjaa suuri kielimalli tuomarina (large language model, LLM) itsearvioinnissa. ReasoningBank esittelee myös muistitietoisen testiajan skaalauksen (memory-aware test-time scaling, MaTTS), joka käyttää tutkimuspolkuja tuottamaan korkealaatuisia muistoja kontrastiivisten ja hienosäätösignaalien avulla. WebArenalla ja SWE-Bench-Verifiedillä arvioituna Gemini-2.5-Flashia käyttäen ReasoningBank ylitti vertailukohdat, kuten Vanilla ReActin, Synapsen ja Agent Workflow Memoryn, tehtävien onnistumisasteessa ja tehokkuudessa. Tutkijat havaitsivat strategista kypsymistä ajan myötä, kun yksinkertaiset menettelysäännöt kehittyivät monimutkaisiksi, ennaltaehkäiseviksi logiikkarakenteiksi.
Lähde: Google Research —
Alkuperäinen