From History to State: Constant-Context Skill Learning for LLM Agents

Este artigo propõe a aprendizagem de habilidades em contexto constante, uma nova estrutura para agentes de LLM para gerenciar fluxos de trabalho recorrentes de forma mais eficiente. Ele aborda desafios de privacidade, custo e capacidade ao aprender procedimentos reutilizáveis em módulos e condicionar a inferência em um bloco de estado compacto. A eficácia é demonstrada em benchmarks como ALFWorld, WebShop e SciWorld.