本文探讨了大型语言模型（LLM）在开放性任务中的记忆共享框架，旨在提升其在诗歌创作等领域的表现。通过实时内存存储和检索，代理能够更好地识别相关示例并评估记忆的效用。研究表明，该框架显著提高了代理在开放性问题上的性能，并讨论了未来的记忆池和检索策略的优化方向。

本文探讨了大型语言模型（LLM）在开放性任务中的应用，提出了记忆共享（MS）框架以增强上下文学习。该框架通过实时存储和检索系统，聚合代理的查询和响应，显著提升了在诗歌创作等开放性问题上的表现，并讨论了记忆池和检索策略的优化，展望未来发展方向。