ALTK-Evolve, sebuah sistem untuk memori agentic yang mengubah lintasan agen menjadi panduan yang dapat digunakan kembali tanpa pembaruan bobot, menyamai atau melampaui akurasi ACE sambil menggunakan token secara signifikan lebih sedikit. Berbeda dengan ACE yang menyuntikkan panduan komprehensif pada setiap langkah, ALTK-Evolve menggunakan pengambilan selektif untuk memberikan hanya panduan yang relevan berdasarkan kapasitas model.
- Pada DeepSeek-V3.2, ALTK-Evolve mengungguli ACE pada tugas Mudah, Sulit, dan Keseluruhan dengan biaya inferensi sekitar 40%.
- Pada gpt-oss-120b, hasilnya seri dengan ACE dengan skor 56.0 dibandingkan 54.8 pada biaya sekitar satu-pertujuh.
- Sistem ini menghindari kompresi pelajaran menjadi ringkasan, melainkan mempertahankan panduan terpisah dengan jumlah dukungan untuk melestarikan pengalaman.
- Pengiriman dikalibrasi: model kuat menerima seluruh set terpadu, sementara model lemah menerima subset kurasi untuk menghindari kepadatan konteks.
Dengan memperlakukan pengiriman memori sebagai dial daripada konstanta, ALTK-Evolve mencegah panduan yang membanjiri model lemah dan mengurangi penggunaan token pada model yang lebih kuat.