Исследование: память агенту нужно дозировать по возможностям модели
Оценка агентной памяти на восьми моделях показала, что большее количество накопленных рекомендаций не всегда улучшает результат. Метод ALTK-Evolve извлекает из прежних траекторий агента полезные стратегии, ошибки и уроки, а затем передаёт их при выполнении задач. При этом веса модели не обновляются и разметка людьми не требуется. Оптимальный объём рекомендаций зависит от возможностей модели.
Сильные модели с запасом качества обычно выигрывали от полного набора рекомендаций. DeepSeek-V3.2 повысил выполнение задач на 9,5 процентного пункта, а Claude Opus 4.6 — на 4,1 пункта. Для gpt-oss-120b лучше сработала компактная основа с выборкой рекомендаций под конкретную задачу: показатель вырос на 16,1 пункта при увеличении числа токенов всего на 5%. Полный набор давал меньший эффект и увеличивал расход примерно на 51%. У GLM-5 измеримого улучшения не обнаружили; авторы называют это наблюдаемым паттерном насыщения, а не доказанной причиной.
Проверка проходила на 585 многошаговых задачах AppWorld в девяти симулированных приложениях. По оценке авторов, выборочная выдача может одновременно повышать точность и снижать затраты, а кэширование промптов делает повторяющиеся рекомендации дешевле. Среди дальнейших направлений названы обучаемый выбор рекомендаций, работа со слабыми моделями и отдельное изучение роли размера контекстного окна.
Текст подготовлен ИИ Sakhanda Wire по материалу Hugging Face. Факты, цитаты и полный контекст — в оригинальной статье ниже.