EvoLib：経験を進化する知識に変える

EvoLibは、マイクロソフトリサーチが開発したフレームワークで、AIシステムが推論中にグラウンドトゥルースラベルやモデル更新を必要とせず、経験から学習できるようにするものです。従来のメモリシステムが生の経験を静的に保存するのとは異なり、EvoLibは過去の試行を再利用可能なスキルと内省的な洞察に変換します。これらの知識単位は、類似の既存知識と継続的に統合されてより一般的になり、各単位は将来のタスクへの長期的な影響に基づいて重み付けされます。このフレームワークは、数学的推論、コード効率、意思決定タスクでテストされ、より効率的なトークン使用でトップの検索ベースメモリアプローチを一貫して上回る性能を示しました。また、EvoLibはランダムなタスク順序でも堅牢な性能を示し、タスクが任意に到着する現実世界のシナリオでの実用的な適用可能性を示しています。テスト時計算量を増やすことで、孤立した計算スケーリングや他のメモリベース手法と比較して、より高い性能向上を達成します。コードと実験はGitHubで公開されています。