Meta AI zaprezentowało system pamięci oparty na dwóch agentach, który podniósł skuteczność autonomicznych asystentów AI z 38% do 46% w benchmarku wiersza poleceń oraz z 55% do 62% w wielodomenowym benchmarku konwersacyjnym. Wzrost ten wynika z połączenia niezmienionego „modelu akcji” z dedykowanym „trenerem pamięci”, który monitoruje ostatnie kroki zadania i interweniuje tylko wtedy, gdy kontekst jest zagrożony utratą spójności.

Ukryta wada długotrwałych zadań AI

Kiedy model językowy podejmuje się wieloetapowego problemu, każda kolejna tura dodaje więcej tekstu do historii rozmowy. Kolejny krok modelu powinien być kierowany przez cały zapis rozmowy, ale w praktyce istotne fakty zostają pogrzebane. Badacze Meta nazywają to „degradacją stanu behawioralnego” (behavioral state decay) – stopniową utratą poczucia celu przez agenta w miarę powiększania się okna kontekstowego. Samo rozszerzenie okna nie rozwiązuje problemu; informacje mogą być obecne, ale nie wpływają już na przewidywania modelu.

Tradycyjne dodatki pamięciowe służą do wyszukiwania dokumentów lub personalizacji odpowiedzi. Nigdy nie decydują one jednak o tym, kiedy dana informacja z przeszłości jest na tyle krytyczna, aby wpłynąć na bieżące działanie. W rezultacie długotrwałe agenci autonomiczni zaczynają błądzić, powtarzać błędy lub pomijać kluczowe ograniczenia wspomniane na początku interakcji.

Rozdzielenie wykonania od nadzoru

Rozwiązaniem Meta jest architektura typu plug-and-play, która oddziela silnik wykonawczy od nadzorczej warstwy pamięci.

  • Agent Akcji (Action Agent) – niezmieniony model językowy, który wydaje polecenia, wywołuje narzędzia i generuje widoczne wyniki. W eksperymentach jest to Claude Sonnet 4.5.
  • Agent Pamięci (Memory Agent) – drugi model, który okresowo przegląda przesuwne okno ostatnich kroków. W testach jest to Claude Opus 4.6.

Agent pamięci prowadzi trójdzielny bank pamięci:

  1. Prywatne pole statusu (Private Status Field) – wewnętrzne flagi dotyczące postępów i ryzyka, których agent akcji nie może widzieć.
  2. Pamięć wiedzy (Knowledge Memory) – stabilne fakty, takie jak ścieżki do plików, wartości konfiguracji czy punkty końcowe API.
  3. Pamięć proceduralna (Procedural Memory) – log działań, które zadziałały i które zawiodły, w tym błędne polecenia oraz poprawki, które rozwiązały problemy.

Zamiast streszczać cały zapis rozmowy, agent pamięci decyduje, czy interweniować. Jeśli wykryje, że kluczowy szczegół został zapomniany, wstrzykuje zwięzłe przypomnienie; jeśli nie, pozostaje cicho, unikając zbędnych tokenów i opóźnień.

Benchmarki potwierdzają skuteczność koncepcji

Meta przetestowała system na dwóch publicznych zestawach:

Benchmark Podstawowa skuteczność Skuteczność systemu dwuagentowego
Terminal-Bench 2.0 (wiersz poleceń) 38% 46%
tau2-Bench (handel detaliczny, linie lotnicze, telekomunikacja) 55% 62%

Zyski są znaczące, ponieważ w obu wierszach występuje ten sam model akcji; zmieniła się jedynie warstwa pamięci. W porównaniu z Mem0, powszechnie stosowaną produkcyjną warstwą pamięci opartą na wyszukiwaniu słów kluczowych, podejście Meta osiągnęło lepsze wyniki. W symulowanym scenariuszu rezerwacji lotu użytkownik błędnie stwierdził, że posiada „status Gold”. Agent pamięci wychwycił niezgodność, przypomniał modelowi akcji, aby zaufał zweryfikowanemu sprawdzeniu statusu lojalnościowego z API linii lotniczych, dzięki czemu transakcja przebiegła prawidłowo.

Dlaczego branża powinna zwrócić na to uwagę

Wynik ten sugeruje kierunek rozwoju, który nie zależy od tworzenia coraz większych modeli. Poprzez oddelegowanie zarządzania kontekstem do lekkiego nadzorcy, programiści mogą poprawić niezawodność zadań rozciągających się na dziesiątki kroków — takich jak debugowanie oprogramowania, złożone procesy obsługi klienta czy autonomiczne potoki danych — bez zwiększania liczby parametrów głównego modelu.

Dla firm budujących agentów autonomicznych architektura ta oferuje:

  • Zmniejszenie dryfu błędów – system aktywnie chroni przed zapomnieniem ograniczeń.
  • Efektywność tokenów – interwencje są selektywne, dzięki czemu model akcji przetwarza mniej nieistotnych tokenów.
  • Modułowe ulepszenia – trenera pamięci można wymienić na nowszy model bez konieczności ponownego trenowania rdzenia akcji.

Kompromisy i otwarte pytania

Na co warto zwrócić uwagę w przyszłości

Podsumowanie: Dedykowany trener pamięci może powstrzymać degradację stanu behawioralnego, zapewniając dwucyfrowy wzrost skuteczności bez konieczności przeprojektowywania głównego modelu rozumowania. Kompromisem jest zwiększona złożoność systemu, ale korzyść — bardziej niezawodni agenci autonomiczni — może być warta dodatkowego wysiłku inżynieryjnego.