Sélection de mémoire pour agents LLM : au-delà de l'influence marginale
En bref
- JointCore identifie des sous-ensembles minimaux de mémoire suffisants pour les agents LLM.
- Réduction de 62,9 % des évaluations nécessaires tout en préservant le comportement complet.
- Testé sur 6 912 conditions exactes et 432 tâches avec des modèles de 12B à 70B.
Une nouvelle approche, JointCore, améliore la sélection de mémoire pour les agents LLM en identifiant des sous-ensembles minimaux suffisants pour préserver le comportement complet. Testée sur 6 912 conditions exactes et 432 tâches, elle réduit les évaluations de 62,9 % tout en maintenant une précision de 87,8 % sur les économies de mémoire active.
Ce résumé vous donne l'essentiel. L'article complet, ses chiffres et ses citations sont chez cs.AI updates on arXiv.org.
Lire l'article originalRésumé généré par IA à partir de la source, relu par règles. Signaler une erreur