Salīdzinošs pētījums par atmiņas struktūrām valodas modeļu aģentos

Abstract

Šajā darbā tiek salīdzinātas valodas modeļu aģentu atmiņas arhitektūras, kas darbojas interaktīvās uz tekstu balstītās vidēs. Izmantojot TextWorld sistēmu, tika novērtēti trīs aģentu veidi: Baseline, Retrieval un LangMem, lai izpētītu, kā dažāda veida atmiņa (darba, epizodiskā, semantiskā) ietekmē spriešanu, plānošanu un veiktspēju. Rezultāti parāda, ka vienkārša atmiņa var būt pietiekama zemas sarežģītības uzdevumos, bet strukturētas atmiņas sistēmas nodrošina labāku vispārināšanu un stratēģisku uzvedību sarežģītākās situācijās. Tomēr lielāka sarežģītība apgrūtina atmiņas pārvaldību, konsekvenci un integrāciju. Rezultāti uzsver, ka aģenta panākumus nosaka ne tikai atmiņas kapacitāte, bet arī selektīva atsaukšanās, saskaņotība un veiksmīgs pamudinājumu dizains.

Memory architectures of language model agents functioning in interactive, text-based contexts are compared in this thesis. Three agent designs, Baseline, Retrieval, and LangMem, using the TextWorld framework, were assessed to investigate how various memory kinds (working, episodic, semantic) impact reasoning, planning, and performance. Results reveal that whereas basic memory can be sufficient for low-complexity tasks, structured memory systems permit improved generalization and strategic behavior in difficult situations. More sophistication does, however, complicate memory management, consistency, and integration. The results emphasize how selective recall, coherence, and good prompt design determine agent success in addition to memory capability.