Post sobre um paper apresenta agentes que escrevem, pesquisam e organizam notas, aprendendo quando a memória é útil. Segundo o texto, o método elevou de 2x a 4x o desempenho de um modelo aberto de 32B em jogos longos.
Publicado em 6 de julho de 2026, o post descreve o AutoMem, um paper sobre agentes que escrevem, pesquisam e organizam notas e aprendem quando recorrer à memória. Segundo o post, a abordagem melhorou em 2x a 4x o desempenho de um modelo aberto de 32B em jogos longos.
A proposta é que agentes gerenciem a própria memória para ajudar em tarefas de longo horizonte sem ampliar a janela de contexto. Para conferir o alcance e os resultados, consulte o post e o paper original; os números acima são os relatados pelo post, não uma avaliação independente.