Beyond Memory: Harnessing Long-Horizon Agents with Explicit Belief States

مسئله

ایجنت‌ها تسک‌های پیچیده‌تری انجام می‌دهند، اما نحوه‌ی سازمان‌دهی تاریخچه‌ی تعامل در حافظه فهم منسجمی از وضعیت فعلی جهان تضمین نمی‌کند؛ مثلاً ایجنت عیب‌یابی ممکن است فراموش کند کدام فرضیه را رد کرده و همان بررسی را تکرار کند بدون این‌که به هدف نزدیک شود.

روش

چارچوب زمان استنتاج PoS حالت‌های باور صریح را به عنوان کانتکست تصمیم ایجنت می‌سازد و پیوسته نگه می‌دارد. هر باور تخمینی از وضعیت فعلی جهان را با نیازهای حل‌نشده‌ی تسک ترکیب می‌کند و صریح می‌کند ایجنت هنوز چه باید بداند و انجام دهد. چارچوب سازگاری باور را اعتبارسنجی و پیشرفت تسک را پایش می‌کند تا «گیر افتادن در باور» را تشخیص دهد، یعنی وقتی ایجنت بدون پیشرفت معنادار به کنش ادامه می‌دهد، و بازیابی را با الگوی گیر افتادن و نوع نیاز حل‌نشده تطبیق می‌دهد.

یافته‌ها

• در چهار بنچمارک اجرا و عیب‌یابی، با هر سه مدل پایه بالاترین کارایی کلی را در هر بنچمارک گرفت.
• آزمایش‌های حذفی اهمیت اعتبارسنجی سازگاری و بازیابی را نشان داد، و آزمایش‌های مقیاس کانتکست مقاومت در برابر رشد کانتکست را نشان داد.

محدودیت‌ها

نویسنده‌ها می‌گویند بهبودها با هزینه‌ی اضافی توکن و محاسبه همراه است چون حالت‌های باور ساختاریافته‌ی زبان طبیعی پردازش و تولید متن مکرر لازم دارند، و قابلیت اطمینان استدلال وابسته به دانش هم جای کار دارد. چکیده عدد مشخصی برای بهبود نمی‌دهد.