Ciągłe aktualizacje pamięci przez LLM-y obniżają jej przydatność

Badania pokazują, że konsolidowana pamięć tekstowa w systemach agentów AI stopniowo degraduje się podczas ciągłych aktualizacji, obniżając użyteczność poniżej poziomu bazowego. Problem pojawia się w dzisiejszych modelach językowych, które przepisują doświadczenia na schemat-podobne lekcje.

To streszczenie zostało przygotowane przy pomocy narzędzi AI na podstawie źródła. Pełną treść znajdziesz w oryginalnym artykule.