AI summary 1 แหล่ง · 6 วันก่อน

7 วิธีใหม่ให้ AI Agent จำได้นาน และคิดได้ลึก — จากการวิจัยล่าสุด

นักวิจัย arXiv เพิ่งเสนอวิธีแก้ปัญหาหลักของ LLM agents ที่ทำงานยาวนาน: memory ที่ไม่เก็บเหตุผล, context ที่พองตัว, และการสับสนระหว่างการคิดจริงกับการจำแบบเชื่อมโยง วิธีใหม่ไปตั้งแต่ hierarchical memory navigation, reinforcement learning สำหรับ spatial reasoning, ไปถึง distributed active memory ที่เอาแบบมาจากสมองมนุษย์ ทั้งหมดมีเป้าหมายเดียว: ให้ agent ทำงาน multi-step ได้ดีขึ้นโดยไม่ต้องใส่ข้อมูลทั้งหมดลงใน prompt

แหล่งข่าว

ประเด็น

6 วันก่อน

อัปเดต

Memory ต้องเก็บ why-which reasoning ไม่ใช่แค่ what-where-when ไม่งั้น agent ทำงานซ้ำแล้วซ้ำเล่า
Sliding-window attention + reinforcement learning ช่วยให้ model ยาว context ได้โดยไม่ต้อง pretraining ใหม่
Agent ต้องแยกระหว่าง reasoning trajectory ที่แท้จริง กับ memorized shortcuts ไม่งั้นจะเรียนรู้ผิดทาง

แหล่งต้นทาง · 7

ลิงก์ต้นทางอยู่ครบ เพื่อให้เปิดอ่านเต็มและเทียบข้อมูลเองได้

arXiv — cs.AI 15 มิ.ย.

Poker Arena: Multi-Axis Profiling of Strategic Reasoning and Memory in LLMs

arXiv — cs.AI 12 มิ.ย.

WISE: A Long-Horizon Agent in Minecraft with Why-Which Reasoning

arXiv — cs.AI 11 มิ.ย.

Architecture-Aware Reinforcement Learning Makes Sliding-Window Attention Competitive in Math Reasoning

arXiv — cs.AI 11 มิ.ย.

Organize then Retrieve: Hierarchical Memory Navigation for Efficient Agents

arXiv — cs.AI 11 มิ.ย.

SVoT: State-aware Visualization-of-Thought for Spatial Reasoning via Reinforcement Learning