Google Research a présenté WikiSkill — un cadre avec une base de connaissances permanente pour les agents IA. Dans cette structure, les agents conservent des informations sur les échecs et les succès passés au lieu de commencer chaque nouvelle exécution sans expérience accumulée.
Selon The Decoder, les agents utilisent ces enregistrements pour améliorer leur performance avec le temps. Les modèles plus grands tirent un gain plus important de WikiSkill, tandis que les modèles plus petits équipés de ce système peuvent obtenir des résultats comparables à ceux de modèles plus grands sans celui-ci.
La valeur pratique de l'idée réside dans le transfert d'expérience entre les exécutions, et non seulement dans l'accomplissement ponctuel de la tâche. Cette source est présentée comme une paraphrase indépendante avec des métadonnées, il n'y a donc pas de détails sur les tests, les mesures et les limites de WikiSkill.
commentaire éditorial
Pourquoi c’est important
Conséquence probable — un intérêt accru pour les systèmes qui transfèrent l'expérience entre les exécutions et aident les modèles plus petits à être plus performants. Le prochain indicateur observé sera l'apparition de résultats préliminaires décrivant des tests et des mesures. Une incertitude importante est liée à la mesure dans laquelle l'effet déclaré se maintient en dehors des conditions exposées dans le résumé.