Live AI Wire

AI agents เรียนรู้จากประสบการณ์ผ่านระบบหน่วยความจำใหม่ — ลด context window overflow

นักวิจัยเผยวิธีใหม่ให้ LLM agents จดจำและเรียนรู้จากประสบการณ์ยาวนาน โดยไม่ให้ context window เต็ม แทนที่เก็บข้อมูลเป็นข้อความในหน่วยความจำชั่วคราว ระบบใหม่เหล่านี้ (TMEM, DeltaMem, PEAM) ฝังความรู้ลงในพารามิเตอร์โมเดล หรือใช้โครงสร้างแบบต้นไม้เพื่อลดซ้ำซ้อน ทำให้ agents ทำงานได้ต่อเนื่องและปรับตัวตามสถานการณ์ใหม่ — สำคัญสำหรับ robot, forecasting, และ multi-turn tasks