Rohan Paul

新的元论文发现，当每个新问题都与类似问题的注释相匹配，而不是他们所做的所有事情的共享记录时，人工智能代理会从过去的尝试中获得更多改进。 让代理从过去的运行中学习的一种简单方法是共享历史记录。对于混合任务，成本会很高并且会混合不相关的经验。 路由 CL 添加一个 LLM 路由器，该路由器重用内存集群或在每次运行之前启动一个新的内存集群。每个集群使用 5 种内存类型中的一种，例如过去的原始运行或经过提炼的课程。 在 398 个混合问题和 4 个模型中，共享历史几乎没有击败任何记忆，平均增益为 0.015（满分 1）。路由 CL 以最大可能分数的 15% 到 30% 击败了它，并将估计的 API 成本降低了 65% 到 72%。 如果您的代理处理混合任务类型，请按问题类型将其内存分成单独的池，而不是共享一个历史记录。