График памяти: извлечение знаний о повторном использовании исправительных средств из агентских траекторий

arXiv: 2607.13884v3 Annuales Type: заменить резюме: агенты большой языковой модели (LLM) продемонстрировали замечательные способности в автономном принятии решений, генерируя последовательные траектории штатов, действия и наблюдения. Однако при выполнении сложных, долгосрочных задач эти агенты часто страдают от усложняющихся ошибок и пытаются восстановиться после неудач. Несмотря на достижения в памяти о накопленном опыте, получение надежных и передаваемых знаний об исправлении из исторических траекторий по-прежнему сопряжено с трудностями. Существующие методы, основанные на отражении в испытательный период или офлайновой структуре памяти, во многом опираются на МЛМ для диагностики сбоев и разработки стратегий исправления положения, которые могут дать хрупкие или специфические по своему характеру представления, трудно обобщать. Для решения этой задачи мы предлагаем Граф памяти о накопленном опыте (ГРП) — систему, которая переформулирует восстановление агентов в качестве проблемы сопоставления графиков. Во время офлайнового строительства на тренировочном наборе мы преобразуем обе неудавшиеся разведочные тра