Проучване: паметта на агентите трябва да се съобразява с модела
Оценка на агентна памет при осем модела показва, че добавянето на повече натрупани указания не води неизменно до по-добри резултати. Методът ALTK-Evolve извлича уроци, стратегии и грешки от предишни траектории на агента и ги подава по време на извеждането, без промяна на теглата на модела или човешка анотация. Подходящото количество зависи от възможностите на конкретния модел.
По-силните модели с оставащ потенциал обикновено печелят от пълния набор указания. DeepSeek-V3.2 повишава изпълнението на задачите с 9,5 процентни пункта, а Claude Opus 4.6 — с 4,1 пункта. При gpt-oss-120b по-ефективна е компактна основа с допълнително извличане на указания за конкретната задача: изпълнението се увеличава с 16,1 пункта при само 5% повече токени, докато пълният набор увеличава разхода с 51%. GLM-5 не показва измеримо подобрение.
Тестовете са проведени с 585 многостъпкови задачи от AppWorld в девет симулирани приложения. Авторите посочват, че селективното извличане може едновременно да повишава точността и да ограничава разхода, а кеширането на подсказките да намалява цената на повтарящите се указания. Предстои работа по автоматичен подбор на указания, по-слаби модели и отделяне на влиянието на контекстовия прозорец.
Текстът е изготвен от ИИ на Sakhanda Wire по материал на Hugging Face. Фактите, цитатите и пълният контекст са в оригиналната статия по-долу.