Ny forskning på skalering av agentminne for oppgaver med lang horisont. En av de største utfordringene med AI-agenter er hukommelsen. Etter hvert som oppgavene blir lengre og mer komplekse, mister agentene oversikten over hva de har lært, hva de har prøvd, og hva som fungerte. Denne artikkelen, fra Accenture, introduserer Memex(RL), et system som gir agenter indeksert erfaringsminne. I stedet for å stole på rå kontekstvinduer, bygger agentene en strukturert, søkbar indeks over tidligere erfaringer og henter relevante minner etter behov. Langtids-agentoppgaver som dyp research, flertrinnskoding og kompleks planlegging krever alle vedvarende minne. Memex(RL) viser hvordan man kan skalere dette uten å sprenge kontekstlengden. Artikkel: Lær å bygge effektive AI-agenter i vår akademi: