CASCADE: Case-Based Continual Adaptation for Large Language Models During Deployment

Dieses Papier formalisiert Deployment-Time Learning (DTL) als eine neue Phase für LLMs, die es ihnen ermöglicht, sich nach dem Training kontinuierlich aus Erfahrungen anzupassen, ohne Modellparameter zu ändern. Es stellt CASCADE vor, ein Framework, das LLM-Agenten mit einem expliziten, sich entwickelnden episodischen Gedächtnis ausstattet und die Wiederverwendung von Erfahrungen als kontextuelles Bandit-Problem formalisiert.