Текстовая память закрепила ошибку агента на все следующие сессии
Eko провел 682 игровых эпизода в 23 запусках по 30 часов без заданной цели и награды.
Агент сохранял опыт между ежечасными сбросами среды в Markdown-файлах памяти.
После удаления ложного вывода о ненадежной установке блоков медианная высота башни выросла с 3 до 11 блоков.
Другой агент записал, что прыжки бесполезны, и все 30 часов оставался на земле.
Почему важно
Постоянная память усиливает обучение агента, но превращает случайную ошибку в устойчивое убеждение, поэтому накопленные знания нужно уметь пересматривать.