एजेंटिक मेमोरी के लिए एक सिस्टम ALTK-Evolve, जो वजन अपडेट किए बिना एजेंट ट्राजेक्ट्रीज़ को पुनः उपयोग योग्य गाइडलाइन्स में बदल देता है, ACE की सटीकता से मेल खाता या उसे पार करता है जबकि काफी कम टोकन का उपयोग करता है। ACE के विपरीत, जो हर चरण पर एक व्यापक प्लेबुक इंजेक्ट करता है, ALTK-Evolve आंतरिक क्षमता के आधार पर केवल प्रासंगिक गाइडलाइन्स प्रदान करने के लिए चयनात्मक पुनर्प्राप्ति का उपयोग करता है।

  • DeepSeek-V3.2 पर, निष्क्रियता लागत के लगभग 40% पर ALTK-Evolve आसान, कठिन और समग्र कार्यों पर ACE से बेहतर प्रदर्शन करता है।
  • gpt-oss-120b पर, यह लगभग एक-सातवां लागत पर 56.0 बनाम 54.8 स्कोर के साथ ACE के बराबर है।
  • सिस्टम अनुभव को संरक्षित रखने के लिए सबक को सारांश में संकुचित करने से बचता है, इसके बजाय समर्थन गणनाओं के साथ अलग-अलग गाइडलाइन्स बनाए रखता है।
  • वितरण कैलिब्रेटेड है: मजबूत मॉडल को पूरा संयुक्त सेट प्राप्त होता है, जबकि कमजोर मॉडल को संदर्भ भीड़भाड़ से बचने के लिए एक चयनित उपसेट प्राप्त होता है।

मेमोरी वितरण को एक स्थिरांक के बजाय एक डायल मानकर, ALTK-Evolve कमजोर मॉडल पर गाइडेंस को अत्यधिक होने से रोकता है और मजबूत मॉडल पर टोकन उपयोग को कम करता है।