Object-Centric Environment Modeling to nowe podejście do przechowywania i wykorzystania wiedzy przez agentów LLM. Zamiast przechowywać doświadczenie jako wolne tekstowe wspomnienia, które stają się trudne do utrzymania wraz ze wzrostem liczby interakcji, OCM organizuje wiedzę w dwu-warstwową strukturę kodu: obiekty definiujące świat (jako klasy Python) oraz procedury opisujące reużywalne wzorce zachowania.
Key Innovation polega na tym, że po każdym epizodzie agent reflektuje nad przebiegiem zdarzenia, automatycznie aktualizuje obie bazy wiedzy i weryfikuje, że wszystkie procedury działają z nowym modelem środowiska. To zapewnia spójność i trafność wiedzy w miarę jej przybywania. Podczas przyszłych interakcji agent stosuje progressive knowledge disclosure - najpierw sprawdza kompaktne sygnatury kodu, a szczegółowy kod czyta tylko gdy jest potrzebny.
Eksperymenty wykazały, że OCM osiąga najlepszą średnią rangę na testach porównawczych i znacznie zmniejsza liczbę nieprawidłowych akcji podejmowanych przez agenta. To pokazuje praktyczną wartość organizowania doświadczenia agentów w formie executable object-centric models zamiast nieskategoryzowanych tekstowych wspomnień. Podejście może zostać zastosowane w bardziej złożonych systemach agentowych wymagających długoterminowego uczenia się i planowania.