انقباض استدلال: حافظهی ایجنت چند قدم استدلال را به یکی تبدیل میکند، تا وقتی واقعیتها عوض شوند و بیصدا غلط جواب دهد
قالبهای فکر، کتابخانههای اسکیل، حافظههای ایجنت و کشها چند قدم استدلال را به یکی تبدیل میکنند؛ نویسندهها این را «انقباض استدلال» مینامند. حافظهی منقبضشده قدمها و خطاها را صرفهجویی میکند تا وقتی واقعیتهایش عوض شوند، و بعد بیصدا جواب غلط میدهد. مثل
گزارش فنی پیستیس: خانوادهی مدلهای چندرسانهای با تقطیر و یادگیری تقویتی درهم
پسآموزش مدلهای چندرسانهای برای استدلال عمیق و کار ایجنتی بلندمدت معمولاً تقطیر و یادگیری تقویتی را جدا یا با یک تابع زیان ترکیبی ثابت بهینه میکند، که میتواند به ناپایداری، تخصیص اعتبار ضعیف در مسیرهای طولانی و مبادلهی تواناییها منجر شود؛ مثلاً بهتر شدن