Материал подготовлен автоматически по первоисточникам: ссылки на них — в конце статьи.
LLM-агента научили восстанавливать точные детали из истории, которая уже не помещается в его рабочий контекст. В нерецензированном препринте Ziyan Yang, Taiwei Shi и Jieyu Zhao, где все числа получили сами авторы, GrepMem достиг 95–97% точности на задачах ContextBench. Для агентов, которым приходится помнить идентификаторы, значения и строки журналов, это позволяет начать с текстового файла вместо отдельной системы памяти.
Как GrepMem разделяет контекст и память
GrepMem ведёт две версии прошлого. В рабочем контексте остаются текущая задача и краткое содержание предыдущих действий, а полный обмен сообщениями, вызовы инструментов и их ответы без изменений дописываются в постоянный текстовый журнал.
Когда рабочий контекст приближается к пределу, агент составляет сводку и продолжает работу с ней. После этого ему становится доступен инструмент grep_history: он ищет в журнале без учёта регистра по регулярному выражению — шаблону символов. Инструмент возвращает совпавшие строки вместе с соседними фрагментами и их положением в истории, разбивает длинную выдачу на страницы и умеет только подсчитывать совпадения.
Такой подход не требует эмбеддингов, поискового индекса, извлечения отдельных фактов или дополнительной модели. Сводка поддерживает ход рассуждения, но больше не служит единственным хранилищем: если при сжатии исчез серийный номер или точная формулировка ошибки, агент может найти исходную запись.
Агента всё равно нужно научить решать, когда обращаться к журналу и какой запрос составлять. В эксперименте Qwen3.5-9B обучали с подкреплением на 4000 эпизодах, отдельно для пяти способов управления контекстом. Затем подходы сравнили на пяти задачах с окном в 32 768 токенов: исследовательских сессиях, поиске по записанным траекториям и длинных потоках записей, где вопрос задавали до или после чтения истории.
Где точный журнал выигрывает у сжатия
На ContextBench требовалось извлекать точные значения по ключам и разбирать служебные журналы. GrepMem показал 95–97% точности, тогда как подходы, которые скрывали старые результаты или оставляли только сводку, достигали не более 21%. Чем длиннее становился входной поток, тем заметнее расходились результаты.
В BCP-Multi агент исследовал несколько вопросов в одной сессии и повторно использовал ранние находки. GrepMem обошёл SUPO со сводками на 8,8 процентного пункта, а MemGPT со структурированной памятью — на 7 пунктов.
Преимущество не потребовало постоянно загружать всю историю в модель. На ContextBench GrepMem израсходовал 29% токенов от уровня MemGPT и оставался на границе Парето во всех тестах: среди проверенных вариантов не было одновременно более точного и менее затратного по токенам.
На AMA-Bench преимущество почти исчезло. Там вопросы чаще касались причин действий и изменений состояния, которые сводка сохраняла достаточно хорошо. Простой поиск добавлял вызовы инструмента, но редко находил деталь, способную изменить ответ. Значит, длина истории сама по себе ещё не оправдывает полный журнал: решает тип информации, которую агент должен восстановить.
Когда менять архитектуру агента
Работа предлагает практичный исходный вариант для исследовательских агентов, разбора журналов, аудита действий и процессов с точными идентификаторами. Рабочий контекст можно сжимать агрессивно, если исходные наблюдения остаются в отдельном неизменяемом журнале и агент умеет вернуться к ним по запросу.
Индекс с эмбеддингами не обязателен в первой версии памяти, когда будущий запрос содержит имя, ключ, код ошибки или другой фрагмент исходной записи. Текстовый журнал также упрощает проверку ответа: команда может увидеть строку, которую нашёл агент, без разбора автоматически составленной структуры памяти.
GrepMem не заменяет поиск по смыслу. grep сопоставляет символы, поэтому агенту трудно найти запись, если будущий вопрос использует другую формулировку и не содержит подходящего ключа. Для причинных связей и изменений состояния сводка может оказаться полезнее, а для задач со смешанными запросами стоит проверять сочетание нескольких способов поиска.
Подключить команду grep недостаточно. Агент должен вовремя заметить пробел в рабочем контексте, составить выражение, просмотреть совпадения и собрать из них ответ. Обучение с подкреплением особенно помогло на разборе служебных журналов, где требовались поиск и подсчёт, но почти не изменило результат на вопросах о ходе чужой траектории.
Полная история также меняет требования к эксплуатации. Журнал сохраняет пользовательские сообщения и ответы инструментов целиком, поэтому для него нужны правила срока хранения и контроля доступа. Простота механизма поиска не отменяет защиты данных, которые агент видел за всё время работы.
Источники
Похоже на вашу задачу?
Расскажите, что собираете. За полчаса разложим на этапы и назовём сроки — это бесплатно и ни к чему не обязывает.



