Мементо 3: Рекурсивное самосовершенствование на основе моделей с помощью отражающих норм

arXiv: 2610.11794v1 Annuales Type: New Habstractive: Учиться действовать в незнакомой среде требует от агентов выяснить, как работает мир и пересмотреть это понимание по мере появления новых доказательств. Тем не менее ограниченные наблюдения могут поддержать многочисленные мировые модели, которые объясняют прошлые взаимосвязи, но предсказывают различные результаты в невидимых государствах. Мы представляем Memento 3, основываясь на серии Mevento, чтобы замороженные агенты LLM могли постоянно изучать четкие мировые модели с помощью внешней памяти. Агент ведет естественный языковой справочник в качестве устойчивой семантической памяти, записывая рецензируемые гипотезы о динамике окружающей среды при сохранении неизвестных аспектов. Он скомпилирует этот сборник правил в поддающийся исполнению код для прогнозирования и планирования. Посредством непрерывного цикла наблюдения, размышления, пересмотра правил, компиляции и проверки агент использует ошибки прогнозирования для уточнения как руководства, так и его кода. Обновленный кодекс принимается только в том случае, если ЛЛМ судит о его верности правилам и клеткам