بحث جديد حول تحسين الذاكرة لوكلاء الذكاء الاصطناعي. (ضع علامة مرجعية) مع توسع نوافذ السياق إلى ملايين الرموز، يتحول عنق الزجاجة من القدرة الخام إلى التحكم المعرفي. معرفة ما تعرفه، ومعرفة ما هو مفقود، ومعرفة متى تتوقف أهم من معالجة كل رمز. نوافذ السياق الأطول لا تضمن تفكيرا أفضل. ويرجع ذلك إلى حد كبير إلى أن طريقة تعامل المطورين مع المستندات الطويلة جدا اليوم لا تزال توسع نافذة السياق أو تضغط كل شيء في تمريرة واحدة. ولكن عندما تكون الأدلة الحاسمة قليلة ومتفرقة عبر ملايين الرموز، فإن استراتيجيات الذاكرة السلبية تتخلى بصمت عن الحقائق الجوية اللازمة للاستدلال متعدد القفزات. يقدم هذا البحث الجديد InfMem، وهو عامل ذاكرة محدودة يطبق التحكم المعرفي على نمط System-2 على الإجابة على الأسئلة الطويلة من خلال بروتوكول PRETHINK–RETRY–WRITE المنظم. بدلا من ضغط كل جزء بشكل سلبي أثناء تدفقه، يراقب InfMem بنشاط ما إذا كانت ذاكرته كافية للإجابة على السؤال. هل الأدلة الحالية كافية؟ ما الذي ينقص؟ أين يجب أن أبحث في المستند؟ يعمل PRETHINK كمراقب معرفي، حيث يقرر ما إذا كان يجب التوقف أو استرجاع المزيد من الأدلة. عندما توجد فجوات في الأدلة، يقوم بتلخيص استعلام استرجاع مستهدف ويجلب المقاطع ذات الصلة من أي مكان في الوثيقة، بما في ذلك الأقسام السابقة التي مررت بها بالفعل. ثم يقوم WRITE بالضغط المشترك، حيث يدمج الأدلة المسترجعة مع المقطع الحالي في ذاكرة محدودة ضمن ميزانية محددة. تستخدم وصفة التدريب إحماء SFT لتعليم ميكانيكا البروتوكول من خلال التقطير من Qwen3-32B، ثم يقوم التعلم المعزز بمواءمة الاسترجاع، والكتابة، والتوقف من القرارات مع تصحيح المهمة النهائية باستخدام مكافآت قائمة على النتائج وتشكيل التوقف المبكر. في معايير QA فائقة الطول من 32 ألف إلى 1 مليون رمز، يتفوق InfMem على MemAgent بمقدار +10.17، +11.84، و+8.23 نقاط دقة مطلقة على Qwen3-1.7B، Qwen3-4B، وQwen2.5-7B على التوالي. يحافظ وكيل InfMem ذو 4B معامل على دقة ثابتة حتى 1 مليون رمز، بينما تنهار القواعد القياسية مثل YaRN إلى أداء أحادي الأرقام. ينخفض زمن استجابة الاستدلال بمعدل 3.9 ضعف في المتوسط (حتى 5.1x) عبر التوقف المبكر التكيفي. تنتقل هذه المكاسب أيضا إلى ضمان الجودة في LongBench، حيث يحقق InfMem+RL تحسنا مطلقا يصل إلى +31.38 في المهام الفردية مقارنة بخط الأساس في YaRN. الورقة: تعلم كيفية بناء وكلاء ذكاء اصطناعي فعالين في أكاديميتنا: