В данной работе формализуется проблема fleet-memory в средах с множеством агентов на базе LLM, выделяются четыре фундаментальных режима отказа: несанкционированная утечка, распространение устаревших данных, персистентность противоречий и коллапс происхождения. Для решения этих проблем авторы определяют явные примитивы системного уровня, включая ограниченный поиск, временное замещение, отслеживание происхождения и управление распространением памяти на основе политик.

  • Эти примитивы реализованы в MemClaw, производственном многопользовательском сервисе памяти, и оценены с помощью фреймворка ArgusFleet.
  • Система успешно восстановила 100% цепочек вывода глубины четыре с корректной идентификацией автора при задержке на один шаг менее одной секунды.
  • Оценка продемонстрировала высокую видимость внутри флота при нулевой кросс-флот утечке в режиме строгой записи.
  • Производственные тесты выявили проблемы асимметричного применения областей видимости, где поддоменные области обходились при прямых запросах GET по идентификатору.
  • Была обнаружена конфликтующая последовательность конвейера: синхронные проверки на дублирование могут преждевременно отклонять противоречивые записи до их асинхронного обнаружения.

Исследование приходит к выводу, что одного лишь поиска по длинному контексту недостаточно для производственной памяти многоагентных систем, подчеркивая, что управляемая разделяемая память требует явных абстракций системного уровня и живой оценки для выявления нарушений enforcement.