無需微調LLM即可微調LLM代理！ 想像一下，您的AI代理如何在不觸及模型權重的情況下，通過經驗提高性能。 這就像人類如何記住過去的經歷並從中學習。 這正是Memento所做的。 核心概念： Memento不是更新LLM權重，而是通過記憶從經驗中學習。 它將持續學習重新框架為基於記憶的在線強化學習，應用於增強記憶的MDP。 可以把它看作是給您的代理一個筆記本，以記住什麼有效，什麼無效！ 它是如何工作的？ 系統分為兩個關鍵組件： 1️⃣ 基於案例的推理（CBR）： 將複雜任務分解為子任務，並檢索相關的過去經驗。 不需要梯度，只需智能的記憶檢索！ 2️⃣ 執行器 使用MCP工具執行每個子任務，並將結果記錄在記憶中以供未來參考。 通過MCP，執行器可以完成大多數現實世界的任務，並可以訪問以下工具： 🔍 網絡研究 📄 文檔處理 🐍 安全的Python執行 📊 數據分析 🎥 媒體處理 我發現這是構建類人代理的一個非常好的路徑。 👉 輪到你了，你有什麼想法？ 我在下一條推文中分享了相關鏈接！ _____ 如果你覺得這很有啟發性，請與您的網絡分享 ♻️ 想了解更多關於AI和機器學習的見解和教程，請關注我 → @akshay_pachaar！