Anthropic-ek AA agenteen memoria lau geruzatan antolatzea proposatu du, aldizkako errepasoarekin
Anthropic-en ikerketa-testu batek azaltzen du nola eman memoria agente bati saioen artean, eta taldeko irakasle batek bere sistema ideia horretara egokitu du eta jarraibideekin azaltzen du artikulu batean.
Ordenagailurako AA agenteek, Claude Code bezalakoek, ez dute ezer gogoratzen saio batetik besterakoan, hori egiteko modurik eman ezean. Anthropic-ek azaroaren 6an argitaratu zuen «The components of agent memory», eta bertan memoria hori lau geruzatan antolatzen du: transkripzioak, agenteak egindakoaren erregistro kontsultagarria; memoria-oharrak, agenteak saioetan idazten dituenak; errepresentazioak, oharretatik eraikitako egitura antolatuak, esteka bidez lotutako orrien wiki bat adibidez; eta injektatutako testuingurua, saio bakoitzaren hasieran kargatzen den geruza txikia, laburra izan behar duena, jarraibide luzegiek agenteak horiek zein ondo betetzen dituen murrizten baitute.
Testuak lineaz kanpoko errepaso bat gehitzen du, «dreaming» deitzen diona: agenteak bere transkripzioak berrikusten ditu oharrak kontrastatzeko, akatsak zuzentzeko, errepresentazioak eraikitzeko eta etorkizuneko saioetan zer aurrekargatu erabakitzeko. Egileek ohartarazten dute errepaso horrek konputazioa kontsumitzen duela eta komeni dela, seguruenik, aldatuko denean zentratzea.
Juan José de Haro-k, Bilateria blogaren egileak, bere sistema pertsonala egitura honetara egokitu du eta «Agentes de IA que aprenden mientras duermen» artikuluan azaltzen du, azaroaren 7an argitaratuta. Profil labur bat, indize bat duten agentearen oharrak, erabaki-erregistroak dituen proiektuen wiki bat eta gordetako elkarrizketak gai gordin gisa proposatzen ditu, eguneroko errepaso batekin, proposamen bat soilik idazten duena: agenteak puntu bakoitza egiaztatzen du aplikatu aurretik, eta profilaren aldaketek pertsonaren onespena behar dute. Sistema muntatzeko agenteari berari eskatzeko testu bat ere badakar.
Artikuluak ikastetxe batean baloratzen duenarentzat garrantzitsuak diren mugak adierazten ditu: gordetako elkarrizketek informazio sensiblea dute, errepasoak akats egin dezake eta tresna bakoitzaren memoria ez da besteekin partekatzen. Agente batek ikasleen zein datu ikusi eta gogoratu ahal izan beharko lituzkeen jakiteko, egunkariak dagoeneko argitaratu zuen erreportaje bat.
Anthropic-ek AA agenteen memoria lau geruzatan antolatzea proposatu du, aldizkako errepasoarekin
Anthropic-en ikerketa-testu batek azaltzen du nola eman memoria agente bati saioen artean, eta taldeko irakasle batek bere sistema ideia horretara egokitu du eta jarraibideekin azaltzen du artikulu batean.
Ordenagailurako AA agenteek, Claude Code bezalakoek, ez dute ezer gogoratzen saio batetik besterakoan, hori egiteko modurik eman ezean. Anthropic-ek azaroaren 6an argitaratu zuen «The components of agent memory», eta bertan memoria hori lau geruzatan antolatzen du: transkripzioak, agenteak egindakoaren erregistro kontsultagarria; memoria-oharrak, agenteak saioetan idazten dituenak; errepresentazioak, oharretatik eraikitako egitura antolatuak, esteka bidez lotutako orrien wiki bat adibidez; eta injektatutako testuingurua, saio bakoitzaren hasieran kargatzen den geruza txikia, laburra izan behar duena, jarraibide luzegiek agenteak horiek zein ondo betetzen dituen murrizten baitute.
Testuak lineaz kanpoko errepaso bat gehitzen du, «dreaming» deitzen diona: agenteak bere transkripzioak berrikusten ditu oharrak kontrastatzeko, akatsak zuzentzeko, errepresentazioak eraikitzeko eta etorkizuneko saioetan zer aurrekargatu erabakitzeko. Egileek ohartarazten dute errepaso horrek konputazioa kontsumitzen duela eta komeni dela, seguruenik, aldatuko denean zentratzea.
Juan José de Haro-k, Bilateria blogaren egileak, bere sistema pertsonala egitura honetara egokitu du eta «Agentes de IA que aprenden mientras duermen» artikuluan azaltzen du, azaroaren 7an argitaratuta. Profil labur bat, indize bat duten agentearen oharrak, erabaki-erregistroak dituen proiektuen wiki bat eta gordetako elkarrizketak gai gordin gisa proposatzen ditu, eguneroko errepaso batekin, proposamen bat soilik idazten duena: agenteak puntu bakoitza egiaztatzen du aplikatu aurretik, eta profilaren aldaketek pertsonaren onespena behar dute. Sistema muntatzeko agenteari berari eskatzeko testu bat ere badakar.
Artikuluak ikastetxe batean baloratzen duenarentzat garrantzitsuak diren mugak adierazten ditu: gordetako elkarrizketek informazio sensiblea dute, errepasoak akats egin dezake eta tresna bakoitzaren memoria ez da besteekin partekatzen. Agente batek ikasleen zein datu ikusi eta gogoratu ahal izan beharko lituzkeen jakiteko, egunkariak dagoeneko argitaratu zuen erreportaje bat.
