Para peneliti mengusulkan Graph-Regularized Agentic Context Evolution (GRACE) untuk mengatasi kesulitan memverifikasi instruksi sistem yang dapat diubah pada agen LLM jangka panjang. GRACE mempertahankan instruksi persisten sebagai grafik semantik bertipe, memvalidasi pembaruan di lingkungan lokal sebelum merekonstruksinya sebagai suntingan teks inkremental.
- Dievaluasi pada harness agen telekomunikasi tetap yang diturunkan dari $\tau^2$-bench di bawah protokol pergeseran distribusi terkontrol.
- Meningkatkan keandalan ketat (pass^3) dari 0,091 menjadi 0,673±0,136 di lima replikasi, melampaui referensi zero-shot Gemini 3.1 Pro sebesar 0,242 dan baseline teks datar sebesar 0,191±0,051.
- Mengidentifikasi substrat struktural untuk verifikasi lokal dan mekanisme konsolidasi untuk konten terakumulasi yang dapat digunakan sebagai persyaratan kunci untuk evolusi yang andal.
Pendekatan ini menunjukkan bahwa mempertahankan konteks sebagai grafik bertipe memungkinkan verifikasi dan kegunaan yang efektif selama pembaruan operasional jangka panjang.