Эпоха ИИ-агентов с кратковременной памятью подходит к концу. Исследователи из сообщества arXiv представили Prism — субстрат памяти, разработанный специально для мультиагентных систем. Согласно препринту «Prism: An Evolutionary Memory Substrate for Multi-Agent Open-Ended Discovery», эта архитектура объединяет четыре парадигмы: файловую персистентность, векторную семантическую память, графовые связи и эволюционный поиск в единый механизм принятия решений. Это не просто очередное обновление базы данных, а фундаментальная перестройка структуры, позволяющая группам агентов поддерживать общую базу знаний в ходе длительных операций. За счет интеграции графовых структур и вероятностного поиска Prism решает хроническую проблему систем на базе больших языковых моделей (LLM) — деградацию знаний при масштабировании.
По словам авторов проекта, эффективность системы строится на механизме энтропийного стробирования (entropy-gated stratification). Он работает как высокоточный фильтр, распределяя данные по трем категориям — навыки, заметки и попытки — на основе информационной энтропии Шеннона. Это изящное решение: система автоматически отсекает шум, сохраняя лишь те сведения, которые критически важны для совершения «открытий». Цифры подтверждают жизнеспособность подхода: в бенчмарке LOCOMO Prism набрала 88,1 балла (по оценке LLM-судьи), что на 31,2% выше показателей популярного решения Mem0. В задачах эволюционной оптимизации CORAL группа из четырех агентов на базе Prism показала темп роста в 2,8 раза выше, чем одиночные агенты. Коллективная память здесь выступает явным множителем силы для сложных научно-исследовательских (R&D) задач.
Главный сдвиг — переход от изолированных разовых чат-сессий к непрерывному накоплению опыта. Prism использует каузальный граф памяти с интервенционными ребрами и атрибуцией действий: система понимает не только «что» произошло, но и «почему», и какой именно агент за это отвечает. Согласно отчету, контроллер консолидации, работающий на базе теории оптимальной остановки, фиксирует стагнацию и инициирует очистку памяти. В Prism достоверность памяти приравнивается к эволюционной приспособленности, что формирует стабильный набор данных. Для бизнеса это означает, что ИИ перестает быть консультантом, которого нужно заново вводить в курс дела каждое утро, и превращается в цифровой департамент, который учится на собственных ошибках.
Вердикт для руководителей: пора перестать воспринимать ИИ-агентов как простых исполнителей задач без сохранения состояния. Перед нами фундамент для создания постоянных R&D-активов, способных вести многомесячные проекты без потери контекста. Архитектура Prism позволяет развертывать автономные команды для управления сложными процессами и научного поиска, где цена «забытой» ошибки раньше была непомерно высока. Если вы строите защитный барьер вокруг своих проприетарных знаний, Prism дает чертеж системы, которая помнит не только голые факты, но и логику всей вашей операционной деятельности.