Смена модели может сохранить файл памяти, но при этом привести к потере фактов

Анкит Гоял и Джайдип Рэй опубликовали arXiv 2609.05339 4 сентября 2026 года. Этот документ представляет собой исследование контролируемого свопа. Они сохраняют историю фиксированной, меняют одну часть стека памяти и спрашивают, может ли новая модель по-прежнему восстанавливать рандомизированные коды, которые никогда не существовали при предварительном обучении. Если вы используете агент кодирования более недели, значит, у вас уже есть настройка. Конечная точка модели меняется каждые несколько месяцев. Файл заметок, векторный индекс и уценка памяти остаются. Панель мониторинга по-прежнему возвращает строки. Ничто не выдает ошибку миграции. Агент только начинает пропускать сроки, назначенные на прошлой неделе. Четыре магазина, одна история Каждый из них пишет 48 историй и 160 вопросов. Ответы представляют собой случайные коды объектов, оцениваемые по точному совпадению, без оценки LLM. Два считывателя — Llama-3.1-8B-Instruct и Qwen2.5-7B-Instruct-1M, обслуживаются локально, с достаточным количеством остаточного контекста, чтобы необработанный транскрипт все еще помещался. Одна и та же история сохраняется четырьмя способами. LC-RAW — это полная расшифровка. RAG разбивает его на части и извлекает топ-8 с помощью одного плотного встраивателя. ПРИМЕЧАНИЕ — это составленное по образцу резюме размером не более 128 КиБ (около 111 КиБ фактического текста). KG-fixed — это утверждения субъект-предикат-объект по схеме, которую они написали из полей событий перед отправкой.