How Much Memory Does Your Agent Actually Need?
Artikelbild eller återanvändbart omslag för Hugging Face
Hugging Face presenterar ALTK-Evolve, ett system som låter AI-agenter lära sig från sina egna tidigare försök genom att extrahera riktlinjer och senare använda dem igen — utan att uppdatera själva modellen.
Forskarna testade detta på åtta olika AI-modeller och upptäckte något överraskande: mängden minne som hjälper beror helt på vilken modell du använder. Stora kraftfulla modeller som DeepSeek-V3.2 gagnas av alla riktlinjer, medan mindre modeller som gpt-oss-120b presterar bättre med bara ett urval av de viktigaste riktlinjerna. Systemet är billigt att använda — en modell ökade sina rätta svar med 16 procentenheter medan tokenförbrukningen bara ökade med 5 procent.
Agentic memory is not a feature you switch on. It's a dose you calibrate to the model.
Sammanfattningen har tagits fram med AI av Vibekollen utifrån källans publicering. Innehållet tillhör Hugging Face.
Mer att läsa
One word for AI agents in 2027
Nate Herk för 4 tim sedan
Tests: chatbots rely on three obscure AI-built voter sites for US midterm answers; Copilot cited the error-prone Ballot Brief in 75% of tests and ChatGPT in 22%
Techmeme för 5 tim sedan
Build an AI Code Reviewer with OpenRouter
OpenRouter för 5 tim sedan
AI:AM: Carbon in the Arena, Mistral's Le Chonk, the Agent-Run Economy, Ferroelectric RAM + New Hacks
The Cognitive Revolution för 7 tim sedan