Meta AI ने एक दुहेरी-एजंट मेमरी सिस्टम (dual-agent memory system) सादर केली आहे, ज्यामुळे कमांड-लाइन बेंचमार्कवर स्वायत्त AI असिस्टंट्सचा यश दर ३८% वरून ४६% आणि मल्टी-डोमेन कन्वर्सेशनल बेंचमार्कवर ५५% वरून ६२% पर्यंत वाढला आहे. हा वाढीचा फायदा कोणताही बदल न केलेल्या "ॲक्शन" मॉडेलला एका समर्पित "मेमरी" कोचसोबत जोडल्यामुळे झाला आहे, जो कामाच्या अलीकडील पायऱ्यांवर लक्ष ठेवतो आणि जेव्हा संदर्भाचा (context) अभाव निर्माण होण्याची शक्यता असते, तेव्हाच हस्तक्षेप करतो.
दीर्घकाळ चालणाऱ्या AI कामांमधील छुपी त्रुटी
जेव्हा एखादे लँग्वेज मॉडेल बहु-टप्प्यांची समस्या सोडवते, तेव्हा प्रत्येक टप्प्यावर संभाषणाच्या इतिहासात अधिक मजकूर जोडला जातो. मॉडेलची पुढची हालचाल संपूर्ण ट्रान्सक्रिप्टद्वारे निर्देशित केली जाणे आवश्यक असते, परंतु प्रत्यक्षात संबंधित तथ्ये (facts) मागे दबली जातात. Meta च्या संशोधक याला "बिहेवियरल स्टेट डिके" (behavioral state decay) म्हणतात – म्हणजेच कॉन्टेक्स्ट विंडो वाढल्यामुळे एजंटचा उद्देश हरवून जाण्याची ही एक टप्प्याटप्प्याने होणारी प्रक्रिया आहे. केवळ विंडो रुंद केल्याने ही समस्या सुटत नाही; माहिती उपस्थित असू शकते परंतु ती मॉडेलच्या अंदाजांवर प्रभाव पाडण्यास सक्षम नसते.
पारंपारिक मेमरी ॲड-ऑन्स एखादा दस्तऐवज शोधतात किंवा प्रतिसाद वैयक्तिकृत करतात. ते कधी कधी भूतकाळातील एखादी माहिती सध्याच्या कृतीवर परिणाम करण्यासाठी अत्यंत महत्त्वाची आहे, याचा निर्णय कधीही घेत नाहीत. परिणामी, दीर्घकाळ चालणारे स्वायत्त एजंट भरकटतात, चुकांची पुनरावृत्ती करतात किंवा संवादाच्या सुरुवातीला नमूद केलेली एखादी महत्त्वाची अट (constraint) विसरतात.
अंमलबजावणी आणि देखरेख वेगळे करणे
Meta चे उत्तर म्हणजे एक प्लग-अँड-प्ले आर्किटेक्चर आहे जे एक्झिक्यूशन इंजिनला सुपरव्हायझरी मेमरी लेयरपासून वेगळे करते.
- Action Agent – एक न बदललेले लँग्वेज मॉडेल जे कमांड्स देते, टूल्स कॉल करते आणि दृश्य आउटपुट तयार करते. प्रयोगांमध्ये हे Claude Sonnet 4.5 आहे.
- Memory Agent – दुसरे मॉडेल जे वेळोवेळी अलीकडील पायऱ्यांच्या 'स्लाईडिंग विंडो'चे पुनरावलोकन करते. चाचण्यांमध्ये हे Claude Opus 4.6 आहे.
मेमरी एजंट तीन भागांचा मेमरी बँक ठेवतो:
- Private Status Field – प्रगती आणि जोखमीबद्दलचे अंतर्गत फ्लॅग्स जे ॲक्शन एजंटला दिसत नाहीत.
- Knowledge Memory – फाईल पाथ, कॉन्फिगरेशन व्हॅल्यूज किंवा API एंडपॉइंट्स यांसारखी स्थिर तथ्ये.
- Procedural Memory – काय यशस्वी झाले आणि काय अयशस्वी झाले याचा लॉग, ज्यामध्ये अयशस्वी कमांड्स आणि त्या सुधारण्यासाठी केलेल्या दुरुस्त्यांचा समावेश आहे.
संपूर्ण ट्रान्सक्रिप्टचा सारांश काढण्याऐवजी, मेमरी एजंट हस्तक्षेप करायचा की नाही याचा निर्णय घेतो. जर त्याला आढळले की एखादा महत्त्वाचा तपशील विसरला गेला आहे, तर तो एक संक्षिप्त स्मरणपत्र (reminder) देतो; अन्यथा, तो शांत राहतो, ज्यामुळे अतिरिक्त टोकन्स आणि लॅटन्सी (latency) टाळता येते.
बेंचमार्क्स संकल्पना सिद्ध करतात
Meta ने दोन सार्वजनिक सूट्सवर या सिस्टमची चाचणी घेतली:
| बेंचमार्क | बेसलाइन यश | दुहेरी-एजंट यश |
|---|---|---|
| Terminal-Bench 2.0 (command-line) | 38% | 46% |
| tau2-Bench (retail, airline, telecom) | 55% | 62% |
हे फायदे उल्लेखनीय आहेत कारण दोन्ही ओळींमध्ये एकच ॲक्शन मॉडेल वापरले गेले आहे; केवळ मेमरी लेयर बदलला आहे. कीवर्ड सर्चवर अवलंबून असलेल्या Mem0 सारख्या व्यापकपणे वापरल्या जाणाऱ्या प्रोडक्शन मेमरी लेयरच्या तुलनेत, Meta च्या दृष्टिकोनाने अधिक चांगली कामगिरी केली. एअरलाईन-बुकिंगच्या सिम्युलेटेड सिनारिओमध्ये, वापरकर्त्याने चुकीच्या पद्धतीने "Gold status" असल्याचा दावा केला. मेमरी एजंटने ही विसंगती पकडली, ॲक्शन मॉडेलला एअरलाईनच्या API कडून पडताळलेल्या लॉयल्टी-स्टेटस चेकवर विश्वास ठेवण्यास आठवण करून दिली आणि व्यवहार योग्यरित्या पूर्ण झाला.
उद्योगाने याकडे लक्ष का दिले पाहिजे
हे निकाल असे सूचित करतात की भविष्यातील मार्ग केवळ मोठ्या मॉडेल्सवर अवलंबून असण्याची गरज नाही. कॉन्टेक्स्ट मॅनेजमेंटचे काम एका हलक्या स्वरूपाच्या देखरेख करणाऱ्याला (lightweight overseer) सोपवून, डेव्हलपर्स मुख्य मॉडेलचे पॅरामीटर काउंट न वाढवता सॉफ्टवेअर डीबगिंग, जटिल ग्राहक-सेवा प्रवाह किंवा स्वायत्त डेटा पाइपलाइन्स यांसारख्या अनेक टप्प्यांवर चालणाऱ्या कामांसाठी विश्वासार्हता सुधारू शकतात.
स्वायत्त एजंट तयार करणाऱ्या कंपन्यांसाठी, हे आर्किटेक्चर खालील गोष्टी प्रदान करते:
- त्रुटींचे प्रमाण कमी होणे (Reduced error drift) – सिस्टम विसरलेल्या अटींपासून सक्रियपणे संरक्षण करते.
- टोकन कार्यक्षमता (Token efficiency) – हस्तक्षेप निवडक असतात, त्यामुळे ॲक्शन मॉडेल कमीत कमी अनावश्यक टोकन्सवर प्रक्रिया करते.
- मॉड्युलर अपग्रेड्स (Modular upgrades) – ॲक्शन कोअर पुन्हा प्रशिक्षित न करता मेमरी कोचला नवीन मॉडेलने बदलता येते.
The trade-offs and open questions
What to watch next
Takeaway: एक समर्पित मेमरी कोच 'बिहेवियरल स्टेट डिके' रोखू शकतो, ज्यामुळे मुख्य रिझनिंग मॉडेलची पुनर्रचना न करता यशाच्या दरात दुहेरी अंकी वाढ मिळू शकते. याचा तोटा म्हणजे सिस्टमची वाढलेली जटिलता आहे, परंतु त्याचा फायदा—अधिक विश्वासार्ह स्वायत्त एजंट—यासाठी लागणारा अतिरिक्त इंजिनिअरिंग प्रयत्न सार्थ ठरू शकतो.