روش MATE خاطرات نامتناسب را برای اجرای وظیفه عامل‌ها بازتنظیم می‌کند

تطبیق حافظه عامل‌ها موضوع روش تازه‌ای به نام MATE است که در پژوهشی منتشرشده در arXiv معرفی شده است. این روش تجربه‌های قبلی یک عامل را پس از بازیابی، برای وظیفه‌ای که اکنون باید انجام دهد بازتنظیم می‌کند؛ مسئله‌ای مهم، چون تجربه‌ای که پیش‌تر موفق بوده لزوماً در شرایط اجرای تازه هم مناسب نیست.

چرا خاطره موفق همیشه قابل استفاده نیست؟

عامل‌های هوشمندِ دارای توانایی کنش در محیط، می‌توانند از تجربه‌های گذشته برای کاهش نیاز به آزمون‌وخطای دوباره استفاده کنند. اما به گفته چکیده پژوهش، سامانه‌های حافظه موجود بیشتر بر ساخت و بازیابی تجربه تمرکز دارند. در نتیجه، مرتبط‌بودن معنایی یک مسیر یا موفقیت قبلی آن، به‌تنهایی تضمین نمی‌کند که اقدامات ثبت‌شده برای اجرای فعلی مناسب باشند.

یک تجربه بازیابی‌شده ممکن است شامل اقداماتی ناسازگار با وضعیت کنونی باشد یا اطلاعات را با سطحی از جزئیات ارائه کند که برای وظیفه تازه مناسب نیست. پژوهشگران MATE را به‌عنوان مرحله‌ای میان بازیابی تجربه و اجرای آن پیشنهاد می‌کنند.

تطبیق حافظه عامل‌ها با روش MATE

MATE یک رویه قطعی پس از بازیابی است؛ یعنی برای بازآرایی مسیرهای قبلی به استنتاج تازه از یک مدل زبانی نیاز ندارد. این روش اطلاعات کنترلی منسوخ را کنار می‌گذارد، رابطه میان شرایط، اقدام و پیامد را استخراج می‌کند و اقدام‌ها را با استفاده از قواعد تأییدشده یکدست می‌سازد.

سپس MATE شیوه نمایش اطلاعات را با نیاز وظیفه تنظیم و نتیجه را در محدوده‌ای ثابت از توکن‌ها ذخیره می‌کند. توکن واحدی است که مدل‌های زبانی برای پردازش متن به کار می‌برند؛ بنابراین محدودکردن تعداد توکن‌ها می‌تواند حجم متنی را که همراه تجربه در اختیار عامل قرار می‌گیرد کاهش دهد.

نتایج آزمایش روی ALFWorld

طبق چکیده مقاله، پژوهشگران روش را روی ۱۳۴ وظیفه ALFWorld ارزیابی کردند. نرخ موفقیت با Qwen2.5-14B به ۸۱٫۳ درصد و با نسخه ۷۲B به ۹۳٫۳ درصد رسید. در عین حال، MATE تقریباً یک‌دهم تعداد توکن‌های لازم برای استفاده از مسیرهای خام را مصرف کرد.

مقایسه‌های کنترل‌شده پژوهش نشان می‌دهد یکدست‌سازی اقدام‌ها بر پایه قواعد تأییدشده، عامل اصلی بازگرداندن فایده تجربه بازیابی‌شده بوده است. این نتیجه از نگاه نویسندگان، تطبیق حافظه را مرحله‌ای مستقل می‌داند که باید میان بازیابی و اجرای کنش قرار گیرد.

این خبر برای چه کسانی اهمیت دارد

این پژوهش برای گروه‌هایی اهمیت دارد که روی عامل‌های هوشمندِ متکی به تجربه، از جمله سامانه‌های دارای تعامل با محیط، کار می‌کنند. یافته‌ها نشان می‌دهد در چنین سامانه‌هایی، صرف نگهداری و بازیابی تجربه کافی نیست؛ کیفیت تبدیل آن تجربه به دستورالعمل مناسب برای وظیفه جاری نیز می‌تواند در موفقیت اجرا نقش داشته باشد. چکیده منتشرشده، نتایج را به آزمون‌های ALFWorld محدود می‌کند و جزئیات بیشتری درباره تعمیم آن‌ها به محیط‌های دیگر ارائه نمی‌دهد.