ALTK-Evolve, un système de mémoire agentique qui convertit les trajectoires des agents en directives réutilisables sans mise à jour des poids, égale ou dépasse la précision d'ACE tout en utilisant significativement moins de tokens. Contrairement à ACE, qui injecte un manuel complet à chaque étape, ALTK-Evolve utilise une récupération sélective pour fournir uniquement les directives pertinentes en fonction de la capacité du modèle.

  • Sur DeepSeek-V3.2, ALTK-Evolve surpasse ACE sur les tâches Easy, Hard et Overall à environ 40 % du coût d'inférence.
  • Sur gpt-oss-120b, il égalise ACE avec un score de 56,0 contre 54,8 pour environ un septième du coût.
  • Le système évite de compresser les leçons en résumés, conservant plutôt des directives distinctes avec des comptes de support pour préserver l'expérience.
  • La livraison est calibrée : les modèles puissants reçoivent l'ensemble consolidé complet, tandis que les modèles plus faibles reçoivent un sous-ensemble sélectionné pour éviter la saturation du contexte.

En traitant la livraison de la mémoire comme un dial plutôt qu'une constante, ALTK-Evolve empêche la guidance de submerger les modèles plus faibles et réduit l'utilisation des tokens sur les modèles plus puissants.