Ця стаття пропонує ReMe, динамічний фреймворк процедурної пам'яті для еволюції агентів, керованої досвідом. Він усуває обмеження статичної пам'яті в агентах LLM, вводячи багатогранну дистиляцію, контекстно-адаптивне повторне використання та механізми вдосконалення на основі корисності. ReMe дозволяє агентам засвоювати знання "як це зробити", зменшувати надмірні спроби та помилки та досягати безперервного вдосконалення без дорогого перенавчання параметрів, що призводить до більш ефективних та адаптованих систем ШІ.