मेटा एआई ने लंबे कार्यों को ट्रैक पर रखने के लिए दूसरे एआई एजेंट का प्रस्ताव रखा

मेटा एआई के शोधकर्ताओं ने अपने पेपर में एक आवर्ती समस्या का वर्णन किया है जहां एआई एजेंट लंबे कार्यों के दौरान आवश्यकताओं का ट्रैक खो देते हैं या असफल क्रियाओं को दोहराते हैं, इस घटना को वे 'व्यवहारिक अवस्था क्षय' कहते हैं। वे एक प्लग-एंड-प्ले मेमोरी मॉड्यूल प्रस्तावित करते हैं जो एक अपरिवर्तित 'कार्य एजेंट' के साथ एक अलग 'मेमोरी एजेंट' चलाता है, निश्चित अंतराल पर हाल के चरणों का अवलोकन करता है, एक संरचित मेमोरी बैंक को अपडेट करता है, और निर्णय लेता है कि अगले कार्य कॉल में एक संक्षिप्त, मेमोरी-आधारित अनुस्मारक इंजेक्ट करना है या चुप रहना है। मेमोरी बैंक निजी स्थिति, ज्ञान और प्रक्रियात्मक मेमोरी में विभाजित है, और एजेंट मुक्त पुनर्लेखन के बजाय पूर्वनिर्धारित टूल कॉल के माध्यम से बैंक का प्रबंधन करता है। परीक्षण टर्मिनल-बेंच 2.0 और τ2-बेंच पर किए गए, जिसमें क्लॉड ओपस 4.6 मेमोरी एजेंट के रूप में था। क्लॉड सोनेट 4.5 को कार्य एजेंट के रूप में उपयोग करते हुए, सिस्टम ने पहले प्रयास में 38% से बढ़कर 46% टर्मिनल-बेंच कार्यों को हल किया, और τ2-बेंच कार्य-भारित औसत में 55% से 62% तक सुधार किया, जिसमें उल्लेखनीय डोमेन अंतर थे: एयरलाइन और रिटेल में प्रत्येक में लगभग 10 प्रतिशत अंकों का सुधार हुआ, जबकि टेलीकॉम में केवल 3 अंकों का सुधार हुआ। मजबूत ओपस 4.6 ने भी सुधार किया लेकिन कम हद तक, यह सुझाव देते हुए कि लाभ सीमित क्षमता की भरपाई से परे है। एब्लेशन ने दिखाया कि चयनात्मक हस्तक्षेप और बनाए रखा मेमोरी बैंक महत्वपूर्ण हैं, और यह दृष्टिकोण उत्पादक मेमोरी परत मेम0 से बेहतर प्रदर्शन करता है। टीम ने एक खुले मॉडल, क्वेन3.5-27बी, को मेमोरी एजेंट के रूप में प्रशिक्षित करने की भी खोज की, जिसमें पाया गया कि हस्तक्षेपों को ठीक से कैलिब्रेट करने के लिए पर्यवेक्षित फाइन-ट्यूनिंग और सुदृढीकरण सीखने की आवश्यकता थी। मेटा एआई ने कोड को गिटहब पर प्रकाशित किया।