Agenții fără memorie nu sunt deloc agenți. De multe ori presupunem că LLM-urile își amintesc lucruri – la urma urmei, se simt umane. Dar adevărul este: LLM-urile sunt apatride. Dacă vrei ca agentul tău să-și amintească ceva (chat-uri anterioare, preferințe, comportamente), trebuie să construiești memorie în el. Dar cum să faci asta? Să înțelegem acest lucru pas cu pas! Memoria agentului este disponibilă în două domenii: 1️⃣ Pe termen scurt Se ocupă de conversațiile curente. Menține istoricul mesajelor, contextul și starea într-o sesiune. 2️⃣ Pe termen lung Se întinde pe mai multe sesiuni. Își amintește preferințele, acțiunile anterioare și faptele specifice utilizatorului. Dar mai este mult. La fel ca oamenii, memoria pe termen lung în agenți poate fi: 1) → semantică stochează fapte și cunoștințe 2) Episodic → Amintește experiențe anterioare sau îndeplinirea sarcinilor 3) → procedurale Învață cum să facă lucruri (gândiți-vă: instrucțiuni / instrucțiuni internalizate) Această amintire nu este doar plăcută de avut; Permite agenților să învețe din interacțiunile anterioare fără a reinstrui modelul. Acest lucru este deosebit de puternic pentru învățarea continuă: lăsând agenții să se adapteze la noi sarcini fără a atinge greutățile LLM. Dacă rezolvați această problemă, vă recomand să verificați @zep_ai: Acestea oferă un sistem de memorie în timp real, bazat pe grafice, asemănător omului pentru agenții dvs. Este 100% open-source (Apache 2.0). Am legat depozitul în următorul tweet.

Tehnici de reglare fină LLM pe care le-aș învăța dacă ar fi să le personalizez: Marcați acest lucru. 1. LoRA 2. QLoRA 3. Reglarea prefixului 4. Reglarea adaptorului 5. Reglarea instrucțiunilor 6. Reglarea P 7. BitFit 8. Solicitări soft 9. RLHF 10. RLAIF 11. DPO (optimizare directă a preferințelor) 12. GRPO (Optimizarea politicii relative de grup) 13. RLAIF (RL cu feedback AI) 14. Reglare fină multi-tasking 15. Reglarea fină federativă Preferatul meu este GRPO pentru construirea modelelor de raționament. Dar tu? Am împărtășit tutorialul meu complet despre GRPO în răspunsuri.

"S" din MCP înseamnă securitate!