स्ट्रक्चर्ड मेमरी (Structured Memory) AI एजंट्सना Slay the Spire 2 जिंकण्यात कशी मदत करते

संशोधकांनी AgenticSTS नावाचे एक नवीन 'एजेंटिक आर्किटेक्चर' (agentic architecture) विकसित केले आहे, जे वाढत्या चॅट लॉग्सच्या जागी एक प्रगत पाच-स्तरीय स्ट्रक्चर्ड मेमरी सिस्टम वापरून पारंपारिक LLM एजंट्सपेक्षा अधिक चांगली कामगिरी करते. "वाढत्या ट्रान्सक्रिप्ट" (growing transcript) मॉडेलपासून दूर जाऊन, हा दृष्टिकोन टोकन खर्च लक्षणीयरीत्या कमी करतो आणि त्याच वेळी एजंट्सना अनेक खेळांमध्ये (playthroughs) जटिल रणनीती शिकण्यास सक्षम करतो.

वाढत्या चॅट लॉग्समधील समस्या

ReAct किंवा Reflexion फ्रेमवर्क वापरणारे बहुतेक सध्याचे LLM एजंट्स, प्रत्येक मागील निरीक्षण (observation), टूल कॉल आणि स्व-चिंतन (self-reflection) एका सततच्या टेक्स्ट लॉगमध्ये जोडण्यावर अवलंबून असतात. जसा सत्र (session) पुढे जातो, तसा हा कॉन्टेक्स्ट विंडो (context window) विस्तारत जातो, जोपर्यंत तो ओव्हरफ्लो होत नाही किंवा मॉडेलचे लक्ष अप्रासंगिक ऐतिहासिक डेटाने विचलित होत नाही.

जटिल डेक-बिल्डिंग रोगलाईक (deck-building roguelike) Slay the Spire 2 विरुद्धच्या चाचणीत, ही अकार्यक्षमता स्पष्टपणे दिसून आली. STS2MCP आणि CharTyr सारखे स्पर्धक, जे क्लासिक 'ग्रोइंग-ट्रान्सक्रिप्ट' पॅटर्नचा वापर करतात, त्यांच्या एका सिंगल मॉडेल कॉलमध्ये टोकन्सची संख्या सुमारे ५,२७,००० पर्यंत वाढली. या आर्किटेक्चरल दोषामुळे प्रचंड लॅटन्सी (latency) आणि अवाढव्य टोकन खर्च होतो; स्पर्धक समान स्कोअर मिळवण्यासाठी AgenticSTS पेक्षा ६६ ते ९० पट जास्त टोकन्स वापरतात.

पाच-स्तरीय मेमरी उपाय

AgenticSTS पाच संघटित आणि स्वतंत्र मेमरी स्लॉट्समधून प्रत्येक निर्णय प्रॉम्ट (decision prompt) पुन्हा तयार करून कॉन्टेक्स्ट इन्फ्लेशनची (context inflation) समस्या सोडवते. यामुळे खेळ कितीही वेळ चालला तरी प्रॉम्ट कमीत कमी राहतो—सरासरी ५,००० टोकन्सच्या आसपास. या स्तर (layers) खालीलप्रमाणे आहेत:

  • L1 (Fixed Protocol): एजंटसाठी मुख्य सूचना.
  • L2 (State Schemas): सध्याच्या वैध कृतींच्या व्याख्या.
  • L3 (Retrievable Rules): गरजेनुसार मिळवलेले विशिष्ट गेम नियम.
  • L4 (Episodic Memory): दीर्घकालीन कॉन्टेक्स्ट देण्यासाठी मागील खेळांचे सारांश.
  • L5 (Skill Library): विशिष्ट परिस्थितीनुसार सक्रिय होणारे सामरिक नियम.

या मॉड्यूलरिटीमुळे संशोधकांना नेमका कोणता घटक कामगिरी सुधारण्यास कारणीभूत आहे हे शोधणे सोपे जाते. उदाहरणार्थ, केवळ L5 स्किल लायब्ररी सक्षम केल्यामुळे A0 कठीणता पातळीवर एजंटचा जिंकण्याचा दर १० पैकी ३ वरून १० पैकी ६ पर्यंत दुप्पट झाला.

शिकण्याच्या माध्यमातून कठीणता पातळी वाढवणे

स्ट्रक्चर्ड दृष्टिकोनाची खरी ताकद 'इंटर-रन लर्निंग'मध्ये (inter-run learning) आहे. सामान्य एजंट्स सर्वात कमी कठीणता पातळीच्या पुढे जाण्यासाठी संघर्ष करतात, तर AgenticSTS त्याच्या L4 आणि L5 लेयर्सचा वापर करून गेमच्या कठीणता पातळीवर चढाई करते. खेळांच्या दरम्यान अपडेट होणाऱ्या सक्रिय मेमरीशिवाय, एजंट A2 ते A4 लेव्हल्सवर अडकून पडतो; मात्र, सत्रांमध्ये टिकून राहणाऱ्या मेमरीमुळे, तो अधिक कठीण A6 ते A8 लेव्हल्सपर्यंत यशस्वीरित्या पोहोचतो.

विशेष म्हणजे, संशोधकांना असे आढळले की ही मेमरी मॉडेल-विशिष्ट (model-specific) असते. जेव्हा Gemini 3.1 Pro द्वारे तयार केलेली मेमरी स्टॅक Qwen 3.6-27B कडे हस्तांतरित करण्यात आली, तेव्हा Qwen चा स्कोअर ८४.५% ने वाढला, परंतु Deepseek V4-Pro चा स्कोअर प्रत्यक्षात १८.१% ने कमी झाला. यावरून असे सूचित होते की स्ट्रक्चर्ड मेमरी शक्तिशाली असली तरी, त्यामध्ये असलेले "ज्ञान" ते तयार करणाऱ्या मॉडेलच्या तर्क पद्धतींशी (reasoning patterns) खोलवर जोडलेले असते.

AI उद्योगासाठी हे का महत्त्वाचे आहे

AgenticSTS चे यश एजेंटिक डिझाइनमधील बदलाचे संकेत देते: स्वायत्त AI चे भविष्य मोठ्या कॉन्टेक्स्ट विंडोजमध्ये नसून, अधिक स्मार्ट आणि स्ट्रक्चर्ड मेमरी मॅनेजमेंटमध्ये आहे. दीर्घकाळ चालणारे एजंट्स तयार करणाऱ्या डेव्हलपर्ससाठी, हे आर्किटेक्चर ऑपरेशनल खर्च आणि लॅटन्सी कमी करण्यासाठी आणि मॉडेलची जटिल, बहु-स्तरीय तर्क करण्याची क्षमता लक्षणीयरीत्या सुधारण्यासाठी एक ब्लूप्रिंट प्रदान करते.

मुख्य निष्कर्ष

  • कार्यक्षमता वाढ: AgenticSTS ५,०००-टोकनचा स्थिर प्रॉम्ट राखते, जे वाढत्या चॅट लॉग्सवर अवलंबून असलेल्या एजंट्सपेक्षा ९० पट कमी टोकन्स वापरते.
  • सुधारलेली कामगिरी: "Skill Library" (L5) चा वापर केल्यामुळे एजंटचा जिंकण्याचा दर दुप्पट होऊ शकतो आणि इंटर-रन लर्निंगद्वारे अधिक उच्च कठीणता पातळी गाठणे शक्य होते.
  • आर्किटेक्चरल बदल: अनस्ट्रक्चर्ड ट्रान्सक्रिप्ट्सकडून मल्टी-लेअर्ड मेमरीकडे वळल्यामुळे लक्ष विचलित होणे (attention dilution) आणि मॉडेल लॅटन्सी वाढणे या समस्या सुटतात.