Pārskats: 77% iestādījumu zaudējumi — pēc tam 100% atveseļošana

Kad LLM saruna pārsniedz konteksta loga robežas, platformas to saīsina — un zaudē informāciju. Mēs to novērojām savās produkcijas vairākās agentu izpildēs: standarta saīsināšana zaudēja 77% nosauktu entitātes (cilvēki, lēmumi, rīcības līdzekļi, datumi). Jautājot par maksājumu apstrādes integrāciju, kas tika apspriesta 90 minūtes pirms tam, agentu atbildēja "Es nezinu".

Mēs aizvietojām kompaktāciju ar trīsslāņu atgriešanas arhitektūru virs strukturētās atmiņas: entitātes saglabājas pilnā formā, un agentu izsauc tieši to, kas vajadzīgs pašlaik, uz lūgumu.

Rezultāts, izmērots vairāk nekā 16 000 ziņās divās ražošanas agentu instancēs: 100% atjaunošana iepriekšējām lēmumiem (salīdzinājumā ar 43% bez), bet 46 MB sesijas kompresējas līdz 35 kB darba kontekstam — 99,94% tokenu slodzes samazinājums. Publicētās darba secinājums turpinās stāvēt: ne maksājiet par labāku modeli, maksājiet par labāku atmiņu.

Pilnā metodoloģija, kas ietver 27 neseno pētījumu apskatu no Rietumu, Ķīnas, Korejas un Japānas pētniecības grupām, ir publicēta kā atvērts dokuments, ko izdevusi GLG, a.s. (2026. gada marts) – tostarp korejiešu un ķīniešu versijās.