Remember When It Matters: Proactive Memory Agent for Long-Horizon Agents
यह शोध पत्र एक सक्रिय स्मृति एजेंट (proactive memory agent) प्रस्तुत करता है जो दीर्घकालिक कार्यों में "व्यवहार संबंधी अवस्था क्षय" (behavioral state decay) को रोकने के लिए निर्णय-प्रासंगिक जानकारी को सक्रिय रूप से प्रबंधित और इंजेक्ट करता है, जो चयनात्मक हस्तक्षेप और ओपन-वेट पॉलिसी प्रशिक्षण के माध्यम से विभिन्न बेंचमार्क पर प्रदर्शन में महत्वपूर्ण सुधार करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक बहुत ही जटिल वीडियो गेम खेल रहे हैं जो घंटों तक चलता है। आप एक स्पष्ट मिशन के साथ शुरुआत करते हैं: "एक किला बनाओ, लेकिन लाल ईंटों का उपयोग न करें, और सुनिश्चित करें कि खाई पानी से भरी हो।" आप पहला घंटा नीली ईंटें इकट्ठा करने और गड्ढा खोदने में बिताते हैं। फिर, आपका ध्यान एक शानदार ड्रैगन की ओर भटक जाता है जो अचानक प्रकट होता है। आप अगला एक घंटा उसे मारने में बिता देते हैं, और किले के बारे में भूल जाते हैं। अचानक, आपको किले की याद आती है, लेकिन आपका दिमाग ड्रैगन से लड़ने के विवरणों से इतना भर गया है कि आप गलती से एक लाल ईंट उठा लेते हैं और निर्माण शुरू कर देते हैं। आप उन नियमों को भूल गए जिन्हें आप एक घंटे पहले अच्छी तरह जानते थे।
यह बिल्कुल वही है जो AI एजेंटों के साथ होता है जब वे लंबे, जटिल कार्यों को हल करने की कोशिश करते हैं। शोधकर्ता इसे "व्यवहार संबंधी अवस्था क्षय" (behavioral state decay) कहते हैं। ऐसा नहीं है कि AI जानकारी पूरी तरह से भूल जाता है; डेटा अभी भी उसकी "मेमोरी" (चैट हिस्ट्री) में मौजूद है, लेकिन वह उसके अगले निर्णयों को प्रभावित करने के लिए महत्वपूर्ण नहीं रह जाता। AI अपनी ही लंबी बातचीत के शोर में खो जाता है।
समाधान: "प्रोएक्टिव साइडकिक" (सक्रिय साथी)
इसे ठीक करने के लिए, लेखकों ने केवल AI को एक बड़ी नोटबुक नहीं दी। इसके बजाय, उन्होंने एक प्रोएक्टिव मेमोरी एजेंट (Proactive Memory Agent) पेश किया। इसे एक अत्यंत व्यवस्थित, थोड़े अधिकार जमाने वाले साथी के रूप में सोचें जो मुख्य AI खिलाड़ी के बगल में खड़ा है।
यह साथी कैसे काम करता है:
- द वॉचर (देखने वाला): जबकि मुख्य AI गेम खेलने (या कोड लिखने, या डिबगिंग करने) में व्यस्त है, साइडकिक चुपचाप पूरे दृश्य को देख रहा होता है।
- द ऑर्गनाइज़र (व्यवस्थित करने वाला): हर कुछ चरणों के बाद, साइडकिक रुकता है और एक "चीट शीट" तैयार करता है। यह केवल सब कुछ कॉपी-पेस्ट नहीं करता है; यह तथ्यों को तीन श्रेणियों में वर्गीकृत करता है:
- स्टेटस (स्थिति): "हम वर्तमान में इंजन को ठीक करने की कोशिश कर रहे हैं।" (निजी जानकारी, जो मुख्य खिलाड़ी को कभी नहीं दिखाई जाती)।
- नॉलेज (ज्ञान): "किले में लाल ईंटें नहीं हो सकतीं।" (कठोर नियम)।
- प्रोसीजर (प्रक्रिया): "हमने हथौड़े का उपयोग करने की कोशिश की, और उससे दीवार टूट गई। ऐसा दोबारा न करें।" (क्या काम आया और क्या विफल रहा)।
- द डिसाइडर (निर्णायक): यही जादुई हिस्सा है। साइडकिक को यह तय करना होता है: क्या मुझे अभी मुख्य खिलाड़ी को रोकना चाहिए?
- यदि मुख्य खिलाड़ी अपने काम में माहिर है और ठीक कर रहा है, तो साइडकिक शांत रहता है।
- यदि मुख्य खिलाड़ी कोई गलती करने वाला है (जैसे लाल ईंट उठाना), तो साइडकिक चिल्लाकर कहता है, "हे! 'नो-रेड-ब्रिक' नियम को याद रखो!" और उस रिमाइंडर को मुख्य खिलाड़ी के दिमाग में डाल देता है।
उन्होंने क्या खारिज कर दिया (जो "नहीं" करना है)
शोधकर्ताओं ने कुछ अन्य विचारों का परीक्षण किया और पाया कि वे उतने अच्छे से काम नहीं करते:
- पूरी नोटबुक को डंप करना: उन्होंने मुख्य AI को हर बार पूरी चीट शीट दिखाने की कोशिश की। यह काम नहीं किया क्योंकि यह बहुत अधिक जानकारी थी, जैसे गाड़ी चलाते समय पूरी विश्वकोश पढ़ने की कोशिश करना। AI विचलित हो गया।
- हमेशा रिमाइंडर चिल्लाना: उन्होंने साइडकिक को हर चरण पर मुख्य खिलाड़ी को टोकने के लिए बनाया, भले ही इसकी आवश्यकता न हो। इसने चीजों को धीमा कर दिया और मुख्य खिलाड़ी को परेशान किया, जिससे परिणाम और भी खराब हो गए।
- सिर्फ एक "बुद्धिमान सलाहकार": उन्होंने एक ऐसी प्रणाली का परीक्षण किया जहाँ दूसरा AI बिना किसी संरचित तथ्य सूची के सामान्य सलाह देता था। यह कम विश्वसनीय था क्योंकि सलाह विशिष्ट इतिहास पर आधारित नहीं थी कि वास्तव में क्या हुआ था।
पेपर सुझाव देता है कि असली सफलता चयनात्मक हस्तक्षेप (selective intervention) में है। साइडकिक को यह जानने के लिए स्मार्ट होना चाहिए कि कब बोलना है और क्या कहना है, न कि केवल एक निष्क्रिय स्टोरेज यूनिट या एक निरंतर बोलने वाला व्यक्ति बनना है।
परिणाम: क्या यह वास्तव में मदद करता है?
टीम ने इस "साइडकिक" का परीक्षण दो बहुत कठिन टेस्ट सेट्स पर किया: Terminal-Bench 2.0 (जहाँ AI को कंप्यूटर कोड ठीक करना होता है और कमांड लाइन का उपयोग करना होता है) और τ 2-Bench (जहाँ AI को उपयोगकर्ताओं से बात करनी होती है और एयरलाइन एजेंट या रिटेल हेल्पर की तरह टूल्स का उपयोग करना होता है)।
परिणाम काफी स्पष्ट थे:
- "कमजोर" AI के लिए (Claude Sonnet 4.5): साइडकिक ने इसे Terminal-Bench पर 8.3% अधिक कार्य हल करने में और τ 2-Bench के औसत पर 6.8% अधिक कार्य हल करने में मदद की। यह एक बहुत बड़ी छलांग है!
- "मजबूत" AI के लिए (Claude Opus 4.6): यहाँ तक कि सुपर-स्मार्ट AI भी बेहतर हुआ, जिसने Terminal-Bench पर 2.4% और τ 2-Bench पर 2.5% अधिक कार्य हल किए। यह साबित करता है कि साइडकिक केवल कमजोर AI के लिए सहारा नहीं है; यह पेशेवरों को भी विचलित होने से बचाने में मदद करता है।
क्या हम एक सस्ते AI को साइडकिक बनने के लिए सिखा सकते हैं?
शोधकर्ताओंों ने यह भी देखना चाहा कि क्या वे एक बड़े, महंगे AI के बजाय एक छोटे, ओपन-सोर्स AI (Qwen3.5-27B) को साइडकिक के रूप में प्रशिक्षित कर सकते हैं।
- शुरुआत में, अप्रशिक्षित छोटा AI वास्तव में चीजों को और खराब कर देता था।
- लेकिन SFT (सुपरवाइज्ड फाइन-ट्यूनिंग) और फिर GRPO (रीइन्फोर्समेंट लर्निंग का एक प्रकार) का उपयोग करके उन्हें सिखाने के बाद, यह सही करने लगा।
- एक ऐसे टेस्ट सेट पर जिसे उसने पहले कभी नहीं देखा था, इस प्रशिक्षित छोटे साइडकिक ने मुख्य AI की सफलता दर को 37.6% से बढ़ाकर 41.1% कर दिया।
निचोड़
पेपर सुझाव देता है कि AI को लंबे, जटिल कार्यों में वास्तव में कुशल होने के लिए, वह केवल अपनी स्मृति पर निर्भर नहीं रह सकता। उसे एक अलग, सक्रिय प्रणाली की आवश्यकता है जो एक सतर्क कोच की तरह कार्य करे। यह कोच नियमों और पिछली गलतियों को व्यवस्थित रखता है और ठीक उसी क्षण बोलता है जब खिलाड़ी उन्हें भूलने वाला होता है। यह अधिक याद रखने के बारे में नहीं है; यह सही समय पर याद रखने के बारे में है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।