Istraživači sa Sveučilišta Illinois Urbana-Champaign i odjela za istraživanja Google Cloud AI-a predstavili su ReasoningBank – memorijski okvir koji velikim jezičnim modelima (LLM) omogućuje da vlastita iskustva pretvore u banku sjećanja i tako postupno postaju vještiji u složenim zadacima.
Umjesto da svaki problem rješava „od nule”, agent pohranjuje uspješne i neuspješne pokušaje, iz njih destilira opće strategije zaključivanja te ih poziva pri sljedećem susretu s izazovom. U kombinaciji s tehnikom test-nog skaliranja – višestrukim pokušajima rješavanja istog problema – ReasoningBank je značajno povećao točnost i učinkovitost agenata na skupovima zadataka vezanih uz web pregledavanje i softversko inženjerstvo.
Autori naglašavaju da njihov pristup nadmašuje klasične memorijske mehanizme i nudi praktičan put prema adaptivnijim i pouzdanijim AI sustavima za poslovne primjene.