ENGRAM: три типа памяти для длинных диалогов с LLM

Парадокс: LLM проваливается на длинном контексте — подаёшь 16K токенов истории, модель «тонет» в середине (lost-in-the-middle) и забывает важное. ENGRAM позволяет держать длинные диалоги без потери контекста через разделение на три типа памяти: события, факты, инструкции. Фишка: поиск идёт в каждом типе отдельно — события не конкурируют с фактами, инструкции не теряются в историях. Результат: 77.55% точности при использовании ~1% токенов (~900 вместо 16K).