Содержание
Почему слоистая память помогла AI-агенту выиграть в Slay the Spire 2
Исследователи из Alaya Lab, Shanghai Jiao Tong University и других организаций протестировали архитектуру AgenticSTS: вместо того чтобы каждый ход передавать AI-агенту всё растущий чат-лог, они разбили память на пять отдельных слоёв. На тесте в карточной roguelike-игре Slay the Spire 2 агент выиграл 6 из 10 запусков на минимальной сложности A0.
Что изменили в памяти агента
Обычные агенты часто работают по схеме ReAct или Reflexion: наблюдения, вызовы инструментов и прошлые размышления добавляются в следующий промпт. Чем длиннее задача, тем больше контекст, выше цена и слабее фокус модели.
AgenticSTS делает наоборот: на каждом решении промпт собирается заново из пяти слоёв памяти. Архитектура разделяет фиксированные инструкции, схему текущего состояния и доступных действий, извлекаемые правила игры, краткие воспоминания о прошлых забегах и библиотеку навыков для повторяющихся ситуаций.
Почему результат заметный
В главном сравнении версия без слоёв памяти выигрывала 3 из 10 запусков. Когда включали слой навыков L5, win rate поднимался до 6 из 10. При этом конкурирующие публичные агенты для Slay the Spire 2, которые используют растущий transcript-подход, не выиграли ни одного из пяти запусков.
Самая показательная часть — не только победы, а расход токенов. В одном из конкурирующих агентов отдельный вызов модели ближе к концу игры доходил примерно до 527 000 токенов, потому что вся история отправлялась снова и снова. AgenticSTS держал пользовательский текст около 5 000 токенов независимо от длины забега.
Что это значит для AI-агентов
Вывод полезен не только для игр. Долгие агентные задачи в кодинге, аналитике, браузере или CRM ломаются похожим образом: контекст растёт, старые детали начинают мешать, а стоимость каждого шага увеличивается.
Слоистая память показывает более практичный путь: хранить не весь лог, а структурированные элементы — правила, состояние, прошлые выводы и проверенные навыки. Так агенту проще понять, что действительно важно для следующего действия.
Важное ограничение
Авторы сами признают, что выборка пока небольшая: по десять запусков на основное условие, один персонаж и одна версия игры. Сравнение с другими агентами тоже не является чистой абляцией, потому что системы отличаются не только памятью, но и маршрутизацией решений.
Но как исследовательский сигнал работа сильная: для долгих AI-агентов архитектура памяти может быть важнее, чем простое расширение контекстного окна.