لانگوام: بزرگ کردن کانتکست مدلهای جهان و اقدام برای کنترل بلادرنگ ربات
کنترل بلادرنگ ربات به تاریخچهی بصری کافی برای استنتاج حرکت و پیشرفت تسک نیاز دارد، اما پردازش این تاریخچه میتواند اقدام را به تأخیر بیندازد. مثلاً ربات برای گرفتن لیوانی که حرکت میکند باید چند ثانیهی گذشته را ببیند، ولی نباید برای فکر کردن دیر واکنش نشان د
مدلهای زبانی کانتکست: مدلهایی که خودشان کانتکستشان را مدیریت میکنند
مدیریت کانتکست در ایجنتها معمولاً بیرون از مدل و با قاعدههای هارنس انجام میشود، مثلاً خلاصهسازی یا برش تاریخچه با یک آستانهی ثابت. در این حالت مدل یاد نمیگیرد چه چیزی برای نگه داشتن در کانتکست مهمتر است، و در سیستمهای چندایجنتی هم هماهنگی کانتکستها دش
هارنس به عنوان زبان: چارچوب ایجنت کمینه با بیشترین بیانپذیری
ایجنتهای امروزی حول حلقهی ایجنت ساخته میشوند: مدل در محیطی با مجموعهای از ابزارها قرار میگیرد و با تناوب فراخوانی ابزار و مشاهدهی خروجی، کنترل کامل گردشکار را دارد. اما تواناییهایی مثل حافظهی بلندمدت و خودبهبودی فعلاً به سیستمهای تخصصی فراتر از خود ح
حافظه به عنوان زیرساخت: مهندسی قابلیت اطمینان برای حافظهی پایدار ایجنت در توسعهی چندماهه
ایجنتهای کدنویسی از مقیاس تسک به مقیاس پروژه میروند: تلاشهایی که ماهها طول میکشند، از فشردهسازیهای مکرر کانتکست میگذرند و روی کدبیسهایی بسیار بزرگتر از هر پنجرهی کانتکست کار میکنند. در این مقیاس، حافظهی ایجنت میتواند بیصدا خراب شود و کسی متوجه ن