НОВОСТЬ · RESEARCH · #475
Shared Selective Persistent Memory для агентных LLM-систем (научная статья)
Авторы предлагают архитектуру «shared selective persistent memory», которая сохраняет четыре повторно используемых типа контекста (требования к задаче, схемы данных, конфигурации инструментов и ограничения вывода), при этом отбрасываются следы сессионного рассуждения, и обеспечивает совместное использование рабочих пространств с управлением доступом по ролям. Реализованная в развернутой совместной платформе с git-версионированием, метод показал повышенную успешность выполнения задач (96% против 79% без памяти и 71% при сохранении полной истории), 14× сокращение времени для повторяющихся обновлений благодаря нулевому токен-рефрешу и 97× сокращение токен-расхода на вызов при генерации по сводкам; на публичных наборах данных нулевой рефреш прошёл в 12/12 испытаний.
КЛЮЧЕВЫЕ ТЕЗИСЫ
- Авторы предлагают архитектуру «shared selective persistent memory», которая сохраняет четыре повторно используемых типа контекста (требования к задаче, схемы данных, конфигурации инструментов и ограничения вывода), при этом отбрасываются следы сессионного рассуждения, и обеспечивает совместное использование рабочих пространств с управлением доступом по ролям.
- Реализованная в развернутой совместной платформе с git-версионированием, метод показал повышенную успешность выполнения задач (96% против 79% без памяти и 71% при сохранении полной истории), 14× сокращение времени для повторяющихся обновлений благодаря нулевому токен-рефрешу и 97× сокращение токен-расхода на вызов при генерации по сводкам; на публичных наборах данных нулевой рефреш прошёл в 12/12 испытаний.
- Это решает проблему потери контекста в многошаговых агентных LLM-системах, сохраняя компактный и совместно используемый контекст, что повышает успешность задач и эффективность, избегая негативного влияния устаревшей истории.
ПОЧЕМУ ЭТО ВАЖНО
Это решает проблему потери контекста в многошаговых агентных LLM-системах, сохраняя компактный и совместно используемый контекст, что повышает успешность задач и эффективность, избегая негативного влияния устаревшей истории.