São Paulo — InkDesign News — Um novo avanço na inteligência artificial, oriundo da colaboração entre a Zhejiang University e o Alibaba Group, apresenta uma nova técnica para agentes de modelos de linguagem grande (LLM). A abordagem, chamada Memp, proporciona uma "memória procedural" dinâmica, aprimorando a eficácia em tarefas complexas.
Tecnologia e abordagem
Memp integra um sistema de aprendizado contínuo que permite que agentes de IA se adaptem gradualmente a novos desafios, evitando o recomeço a cada nova tarefa. Essa memória é construída a partir das experiências passadas do agente, utilizando tanto ações detalhadas quanto abstrações em formato de script. “Um agente deve ser capaz de extrair e reutilizar sua experiência de sucessos e falhas anteriores”, afirmam os pesquisadores, elucidando a necessidade de um “conhecimento procedural” eficaz em automações empresariais.
Aplicação e desempenho
Experimentos com LLMs, como GPT-4o e Claude 3.5, demonstraram que os agentes equipados com Memp não apenas alcançaram taxas de sucesso mais altas, mas também otimizaram o número de passos e o consumo de tokens necessários para concluir tarefas, conforme evidenciado em benchmarks como ALFWorld e TravelPlanner. Durante os testes, agentes com Memp apresentaram melhorias significativas na eficiência, eliminando tentativas infrutíferas e explorando caminhos mais diretos.
“Isso permite que o agente tenha uma ‘maestria contínua e quase linear da tarefa’.”
(“This endowed the agent with a ‘continual, almost linear mastery of the task’.”)— Runnan Fang, Coautor, Zhejiang University
Impacto e mercado
O impacto de Memp no mercado de IA é relevante, pois sua memória procedural não só se mostrou transferível entre modelos diferentes, mas também como a expertise adquirida por modelos maiores pode ser implementada em modelos menores e mais econômicos. “Memória procedural gerada pelo GPT-4o foi transferida para um modelo menor, Qwen2.5, resultando em um aumento considerável em seu desempenho”, indicam os especialistas.
Entretanto, desafios como a falta de sinais claros de sucesso em tarefas complexas persistem. Os pesquisadores propõem o uso de LLMs como avaliadores, sugerindo que essa abordagem poderia melhorar a escala e robustez do ciclo de aprendizado.
O Memp, portanto, não apenas avança o campo da IA, mas também prepara o terreno para agentes autônomos mais eficientes no futuro, potencializando a automatização em ambientes empresariais.
Fonte: (VentureBeat – AI)
