Scaling Self-Evolving Agents via Parametric Memory

En 3 lignesTMEM introduit un cadre de mémoire paramétrique auto-évolutive pour agents LLM. Au lieu de stocker l'expérience uniquement en contexte textuel, l'agent absorbe la supervision dans des poids LoRA légers (Δ_t) via des mises à jour en ligne, modifiant son comportement au sein d'un même épisode. Évalué sur LoCoMo, LongMemEval-S et CL-Bench, TMEM surpasse les baselines basées sur résumés et récupération.

Résumé généré par Claude — vérifié par l'humain