Evo-Memory: переиспользование опыта вместо повторения фактов

LLM отлично вспоминает факты из прошлых диалогов ('какое решение получили?'), но катастрофически плохо переиспользует стратегии ('как решали похожие задачи?'). Модель помнит ЧТО получила, но не КАК пришла к ответу — это разница между запоминанием фактов и накоплением опыта. Метод ReMem позволяет накапливать и применять опыт решения задач, а не просто хранить историю диалогов. ReMem добавляет явный шаг рефлексии через цикл Think-Act-Refine. Модель не просто отвечает — она формулирует урок словами после каждого действия. Этот урок становится переиспользуемым знанием для будущих задач. Pearson r=0.72 показывает: чем похожее задачи, тем эффективнее работает переиспользование опыта.