Сырые логи обошли сложную память агентов на реальных данных
Автор проверил подходы на 277 тысячах записей Codex и Claude Code и 52 реальных вопросах.
Оценка важности через модель дала точность 0,08 на смене решений против 0,98 у обычного сравнения записей.
Сортировка сырых записей по времени дала 0,99, а сверка с перезаписью истории — 0,90.
Контекст из 250 тысяч токенов дал 50 верных ответов из 52 против 48 у поиска.
Почему важно
Память агента надежнее строить как неизменяемый журнал с поиском при чтении, а не как постоянно переписываемую моделью биографию.