Погоня за безразмерными контекстными окнами напоминает попытку выучить энциклопедию наизусть вместо того, чтобы научиться думать. Как показывают исследования Нин Яна и его коллег, избыточные данные — это не актив, а «бутылочное горлышко». В длинных цепочках задач лишняя информация неизбежно ведет к деградации логики: агент просто тонет в цифровом шуме. Решением стал фреймворк SF-AMS (Strategic Forgetting for Agent Memory Systems), который превращает хранение данных из пассивного накопления в жесткий механизм выживания наиболее полезных единиц.
Интеллектуальный фильтр вместо бесконечной памяти
Система отказывается от примитивных эвристик затухания и статического поиска (RAG) в пользу динамической иерархической структуры. SF-AMS оценивает значимость каждой единицы памяти на основе частоты использования, отсутствия дублирования и временных сигналов. Фактически это фильтр, который «на лету» отделяет устойчивые сущности от мимолетного мусора.
Рост метрики F1 на 9,65 балла в задачах на многошаговые рассуждения (тест Qwen2.5-7B). Превосходство над специализированными решениями вроде LightMem. Значительное улучшение темпоральной логики у GPT-4o-mini.
Путь к надежным агентам лежит не через экстенсивное раздувание контекста, а через интенсивную селекцию данных.
Значение для бизнеса и архитектуры систем
Для технических директоров и архитекторов это сигнал к смене парадигмы. Внедрение механизмов стратегического забывания позволяет резко снизить вычислительные затраты на обработку гигантских окон, одновременно затачивая многошаговую логику агента. В продакшн-среде, где важна долгосрочная консистентность, умение вовремя избавиться от нерелевантного багажа становится критическим преимуществом, отделяющим игрушку от работающего бизнес-инструмента.