Meta и CMU: агент сам решает, что помнить, а что выгрузить во внешнюю память

Работа посвящена управлению контекстом: агент учится сам определять, когда сжать историю, что отправить во внешнюю память и что позже оттуда достать.

Прирост — 27% относительно базовой версии на тесте BrowseComp-Plus, это приближает небольшую модель к куда более крупным открытым. Второй обсуждаемый результат: если модель дополнительно учат предсказывать реакцию среды, она становится и точнее, и дешевле — меньше шагов, вызовов инструментов и токенов на выходе.