3,583 papers
arXiv:2511.01912 81 1 нояб. 2025 г. PRO

EvoMem: двойная память для планирования через три роли

КЛЮЧЕВАЯ СУТЬ
Модель не видит паттерна в своих ошибках — повторяет один и тот же косяк третий раз. Проблема: LLM теряет фокус на ограничениях при многошаговом планировании — список правил размывается после трёх абзацев текста, особенно когда ограничений больше 5-7. EvoMem позволяет генерировать планы со сложными ограничениями через итерации без потери качества. Метод разделяет стабильное и изменчивое: CMem — неизменный список правил, всегда перед глазами; QMem — накопление ошибок из попыток с оценками. Три роли (извлекатель, исполнитель, проверяльщик) работают последовательно до идеального результата — 93.7% задач решаются за первые 3 попытки.
Адаптировать под запрос
📋 Дайджест исследования

Контент доступен только для PRO подписчиков

Чтобы получить доступ к дайджесту этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO

Контент доступен только для PRO подписчиков

Чтобы получить доступ к концептам этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO

Работа с исследованием

Адаптируйте исследование под ваши задачи или создайте готовый промпт на основе техник из исследования.

0 / 2000
~0.5-2 N-токенов ~10-30с
~0.3-1 N-токенов ~5-15с