"Базу для хранения жизненного опыта агентов подвезли. Ждём новый инфраструктурный стартап? Experience Graphs: The Data Foundation for Self-Improving Agents __Gang Liao, Yujia He, Abdullah Ozturk, Zhouyang Li, Ying Wang, Zhitong Guo, Hongsen Qin, Yaobin Qin, Tao Yang, Zewei Jiang, Dianshi Li, Jort Gemmeke, Jiangyuan Li, Liyuan Li, Nathan Yan, Masha Basmanova, Uladzimir Pashkevich, Matt Steiner, Pedro Pedreira, Rob Fergus, Anirudh Goyal, Carole-Jean Wu, Gaoxiang Liu, Andrew Witten, Daniel J. Abadi__ Paper: https://arxiv.org/abs/2606.29823 Review: https://arxiviq.substack.com/p/experience-graphs-the-data-foundation Code: https://github.com/facebookincubator/axiom Model: N/A # TL;DR ЧТО сделали: Авторы разработали Trellis — нативную базу данных для самообучающихся ИИ-агентов. Вместо того чтобы сохранять результаты поиска в локальных JSON-файлах или временных логах, Trellis представляет всю историю поиска (граф опыта, или ""experience graph"") как полноценное, версионируемое состояние базы данных. ПОЧЕМУ это важно: Отделение вычислений от хранения делает агентов полностью stateless и бессерверными. Такая архитектура обеспечивает встроенное восстановление после сбоев, горизонтальное масштабирование и переиспользование опыта между сессиями. Интеграция с фреймворком KernelEvolve (https://engineering.fb.com/2026/04/02/developer-tools/kernelevolve-how-metas-ranking-engineer-agent-optimizes-ai-infrastructure/) показывает ускорение оптимизации в 10 раз по сравнению с «холодным стартом» и снижает расходы на токены на 52% за счёт предотвращения повторяющихся ошибок. Пост-тренинг RL (такой как SFT, DPO, GRPO) превращается из сложного офлайн-парсинга логов в простые запросы к БД в реальном времени. Для практиков: Trellis позволяет создавать по-настоящему отказоустойчивые мультиагентные системы. Если вычислительный узел упадёт, состояние поиска не потеряется — любой другой узел сможет продолжить работу прямо с того же места в графе. Хранить жизненный опыт тут: https://t.me/gonzo_ML_podcasts/4461"