مقاله‌ی arXiv:2609.27286 · منتشرشده در کانال
Memory Control Signals Emerge Before Action in Long Horizon Agents
سیگنال‌های کنترل حافظه پیش از کنش در ایجنت‌های بلندمدت پدیدار می‌شوند
- تاریخ
- (۱ مهر ۱۴۰۵) 2026-09-23 تأییدشده از روی تاریخ ارسال نسخه‌ی اول در آرکایو
- نویسنده‌ها
- Mingxuan Wang, Guorun Yao, Fei Luo, Yinglong Guo, Chao Ning, Bo Wang, Hongyue Chen, Yanbiao Ma, Jungong Han
- نهاد نویسنده‌ها
- TierFlow Team; Gaoling School of Artificial Intelligence, Renmin University of China; Tsinghua University
خلاصه‌ی فارسی
مسئله
ایجنت‌های بلندمدت پیوسته تاریخچه‌ی تعامل انباشته می‌کنند که هزینه‌ی محاسبه را بالا می‌برد و نگهداری و استفاده‌ی مجدد از اطلاعات مرتبط را سخت می‌کند. روش‌های مدیریت کانتکست عمدتاً روی نحوه‌ی فشرده‌سازی یا بازیابی تاریخچه تمرکز دارند و این پرسش را باز می‌گذارند که آیا خود مدل پیش از وقوع، نیاز به این عملیات حافظه را بازنمایی می‌کند یا نه.
روش
نویسنده‌ها حالت پنهان درست پیش از هر کنش ایجنت را بررسی کردند و دیدند نیاز به فشرده‌سازی و یادآوری در بازنمایی‌های درونی مدل رمزگذاری شده است. بر این اساس روش PaMER را پیشنهاد دادند که فشرده‌سازی هدایت‌شده با حالت را با بازیابی شواهد بیرونی ترکیب می‌کند، و نسخه‌ی PaMER+ انتخاب شواهد در سطح گام را اضافه می‌کند تا فقط اطلاعات تاریخی لازم برای تسک فعلی بازیابی شود.
یافته‌ها
- این سیگنال‌ها با طول ساده‌ی کانتکست یا پیشرفت تعامل توضیح داده نمی‌شوند و در عمق مدل الگوهای شکل‌گیری متمایزی دارند.
- بیشتر اطلاعات تصمیم حافظه در یک کانتکست اخیر فشرده حفظ می‌شود و شواهد تاریخی بازگردانده‌شده وابستگی‌های دوربرد را تکمیل می‌کنند.
- روی WorkBuddyBench با چند پایه‌ی مدیریت کانتکست و چند مدل، مصرف کانتکست را به‌طور قابل توجهی کم کرد و کارایی رقابتی را حفظ کرد.
محدودیت‌ها
مقاله بخش جداگانه‌ای برای محدودیت‌ها ندارد؛ ارزیابی روی یک بنچمارک انجام شده و چکیده اندازه‌ی عددی کاهش کانتکست را نمی‌گوید.
چرا مهم است
اگر مدل خودش بداند کِی باید فشرده کند یا به یاد بیاورد، مدیریت حافظه می‌تواند از قاعده‌های بیرونی به سیگنال‌های درونی برود. این کار شواهد چنین سیگنالی را نشان می‌دهد و از آن استفاده می‌کند.