تكشف دراسة شملت ثمانية نماذج أن الذاكرة الوكيلية ليست سمة عالمية، بل جرعة يجب ضبطها لتناسب قدرة النموذج المحدد. يستخلص إطار عمل ALTK-Evolve إرشادات من المسارات السابقة للوكيل ويحقنها أثناء الاستدلال دون تحديث الأوزان، مما يُظهر أن استراتيجيات الذاكرة المثلى تختلف بشكل كبير عبر مستويات النماذج.

  • تستفيد النماذج القوية ذات الهوامش الأدائية بشكل أكبر من مجموعة الإرشادات الكاملة، كما ظهر في تحقيق DeepSeek-V3.2 زيادة بنسبة 9.5 نقطة مئوية في إكمال المهام.
  • تحقق النماذج الأضعف أفضل أداء باستخدام استرجاع مُنتقى لنواة مكثفة بالإضافة إلى إرشادات خاصة بكل مهمة، مما مكن gpt-oss-120b من تحقيق زيادة بنسبة 16.1 نقطة مئوية بتكلفة رموز إضافية لا تتجاوز 5% فقط.
  • لم تُظهر النماذج المشبعة أي تحسن قابل للقياس، ما يشير إلى أنها وصلت إلى سقف أدائها في المهام المختبرة.
  • يوفر الاسترجاع المُنتقى دقة أعلى وتكلفة أقل للنماذج الأضعف مقارنة بحقن مجموعة الإرشادات الكاملة.

يخلص المؤلفون إلى أنه يجب ضبط الذاكرة بدلاً من تراكمها فقط، إذ إن منح الوكيل خبرة تفوق قدرته على استخدامها لا يُجدي نفعاً. ويوصون باستخدام النوى المكثفة للنماذج الضعيفة والتخزين المؤقت للبرومبت (prompt caching) للنماذج القوية للحفاظ على التكاليف في حدود معقولة أثناء الإنتاج.