Just-in-Time Memory는 새 작업이 도착할 때 원시 에이전트 궤적을 정리한다
DAIR.AI는 Salesforce AI Research의 논문 Just-in-Time Memory를 소개한다. 이 논문은 원시 궤적을 유지하고 다음 작업이 도착한 뒤에야 짧은 메모리 페이로드를 작성하며, ALFWorld, WebShop, tau2-bench에서 가장 강한 기준선보다 성공률이 각각 16.2, 16.3, 3.9포인트 높다고 보고한다.
#llm-agents
모든 AI 뉴스 보기SkillLift 논문, 에이전트 스킬 진화에 토큰 비용 40–70% 감소 보고
DAIR.AI가 전체 롤아웃으로 모든 수정본을 채점하는 대신 학습된 루브릭을 훈련해 에이전트 스킬 프롬프트 후보의 순위를 매기는 SkillLift 논문을 조명했다. SkillsBench와 WildClawBench에서 SkillOpt와 CoEvoSkills를 능가하고, 목표 성능에 40 to 70% 더 적은 토큰으로 도달했다고 보고한다.