Hippo: самообучение агента через внешнюю память, где уроки сверяются между попытками и хранятся с условиями применимости

Память агента без чистки сначала помогает, а потом делает его хуже агента без памяти вообще. Метод Hippo позволяет агенту копить уроки и не засорять память: каждое правило записывается вместе с условием, когда оно работает. Фишка: урок пишется не из одной попытки, а из расхождения между несколькими прогонами одной задачи. Агент решает задачу 3–8 раз, сравнивает попытки и выписывает решение, которое отделило успех от провала. Новое правило сверяется со старой памятью, дубли и противоречия вычищаются. Дообучение модели не нужно, всё живёт в тексте.