Ny forskning om att skala agentminne för långhorisontsuppgifter. En av de största utmaningarna med AI-agenter är minnet. När uppgifterna blir längre och mer komplexa tappar agenterna bort vad de har lärt sig, vad de har försökt och vad som fungerade. Denna artikel, från Accenture, introducerar Memex(RL), ett system som ger agenter indexerad erfarenhetsminne. Istället för att förlita sig på råa kontextfönster bygger agenter ett strukturerat, sökbart index över tidigare erfarenheter och hämtar relevanta minnen vid behov. Långhorisontiga agentuppgifter som djup forskning, flerstegskodning och komplex planering kräver alla beständigt minne. Memex(RL) visar hur man skalar detta utan att förstora kontextlängden. Papper: Lär dig att bygga effektiva AI-agenter i vår akademi: