具有反思和记忆增强能力的自进化智能体
Self-evolving Agents with reflective and memory-augmented abilities
East China Jiao Tong University（东中国交通大学）；University of Minnesota - Twin Cities（明尼苏达大学-双城分校）；Emory University（埃默里大学）；University of Electronic Science and Technology of China（电子科技大学）；Guangdong University of Technology（广东工业大学）；Amazon（亚马逊）；Washington University（华盛顿大学）；Xiamen University（厦门大学）；University of Bristol（布里斯托尔大学）；University of Toronto（多伦多大学）
AI总结：
提出一种整合迭代反馈、反思机制和基于艾宾浩斯遗忘曲线的记忆优化机制的自进化智能体框架，以增强多任务和长跨度信息处理能力。
摘要：
大语言模型（LLMs）在自然语言处理领域取得了显著进展，但仍面临持续决策等挑战。在本研究中，我们提出了一种新颖框架，通过整合迭代反馈、反思机制以及基于艾宾浩斯遗忘曲线的记忆优化机制，显著增强了智能体在处理多任务和长跨度信息方面的能力。
英文摘要：
Large language models (LLMs) have made significant advances in the field of natural language processing, but they still face challenges such as continuous decision-making. In this research, we propose a novel framework by integrating iterative feedback, reflective mechanisms, and a memory optimization mechanism based on the Ebbinghaus forgetting curve, it significantly enhances the agents' capabilities in handling multi-tasking and long-span information.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
