EvoLib: Transformando experiência em conhecimento em evolução

O EvoLib é uma estrutura da Microsoft Research que permite que sistemas de IA aprendam com a experiência durante a inferência, sem necessidade de rótulos verdadeiros ou atualizações de modelo. Diferente de sistemas de memória tradicionais que armazenam experiências brutas de forma estática, o EvoLib transforma tentativas passadas em habilidades reutilizáveis e insights reflexivos. Essas unidades de conhecimento são continuamente consolidadas com conhecimentos similares existentes para se tornarem mais gerais, e cada unidade é ponderada com base em seu impacto de longo prazo em tarefas futuras. A estrutura foi testada em tarefas de raciocínio matemático, eficiência de código e tomada de decisão, superando consistentemente as principais abordagens de memória baseadas em recuperação, com uso mais eficiente de tokens. O EvoLib também apresenta desempenho robusto em ordens aleatórias de tarefas, indicando aplicabilidade prática em cenários do mundo real, onde as tarefas chegam de forma arbitrária. O sistema obtém ganhos de desempenho maiores com o aumento do poder computacional em tempo de teste, em comparação com a escalabilidade computacional isolada e outros métodos baseados em memória. O código e os experimentos estão disponíveis publicamente no GitHub.