محققان در پژوهش جدیدی، مفهوم نوآورانه «حافظه انجمنی پویا و توزیعشده» (DDAM) را معرفی کردهاند. این تکنیک که الهامگرفته از مکانیزمهای اصلی در مدلهای ترنسفورمر (Transformer) است، به عاملهای هوشمند اجازه میدهد در محیطهای پویا و با جریانهای دادهای متغیر، نه تنها اطلاعات خود را ذخیره کنند، بلکه به شکلی بهینه از سایر عاملها نیز یاد بگیرند.
ویژگی کلیدی این مدل، الگوریتم بهینهسازی «DDAM-TOGD» است که با استفاده از ساختارهای درختی، ارتباطات بین عاملها را مدیریت کرده و با کاهش تاخیر در شبکه، دقت و پایداری یادگیری آنلاین را به شدت بهبود میبخشد. این دستاورد میتواند تحولی در معماریهای مبتنی بر یادگیری چندعاملی ایجاد کند.
منبع: arXiv Machine Learning