مخطط حالة: 77% من المدخلات ضاعت — ثم استعادت 100%

عندما تتجاوز محادثة نموذج لامس (LLM) حجم السياق، تقوم المنصات بملخصاتها — وتضيع المعلومات. قمنا بقياس هذا في نشرتنا الخاصة بمهمة متعددة الوكلاء: فقدان المدمجات المسمية (الأشخاص، القرارات، الأدوات، التواريخ) بلغ 77% في التجميع القياسي. عندما سئل عن دمج معالج المدفوعات الذي تم مناقشته قبل 90 دقيقة، أجاب الوكلاء "لا أعرف".

لقد استبدلنا التجميع ببنية تذكّر ثلاثية الطبقات فوق الذاكرة المُنظمة: تبقى العناصر كما هي بالكامل، ويرتبط الوكيل بالضبط ما يحتاجه التفاعل الحالي عند الحاجة.

النتيجة، والتي تم قياسها عبر أكثر من 16,000 رسالة على مثيلين إنتاجيين للوكلاء: استعادة 100% من القرارات السابقة (مقابل 43% دون)، بينما تُقلص جلسة بحجم 46 ميغا بايت إلى 35 كيلو بايت من السياق النشط — تقليل بنسبة 99.94% في عدد الرموز التعبيرية. تبقى خاتمة الورقة المنشورة كما هي: لا تدفع مقابل نموذج أفضل، بل دفع مقابل ذاكرة أفضل.

المنهجية الكاملة، بما في ذلك مراجعة 27 ورقة حديثة من مجموعات بحثية في الغرب والصين وكوريا واليابان، نشرت كورقة مفتوحة من قبل GLG, a.s. (مارس 2026) — بما في ذلك النسخة الكورية والصينية.