Память агентов: устаревшие навыки увеличивают расходы на инференс на 40%

Падение точности более чем на 10 процентных пунктов и скачок расходов на исполнение почти на 40% — прямой финансовый налог, который бизнес платит, когда автономные AI-агенты опираются на устаревший опыт. В корпоративной среде стратегии развертывания жестко завязаны на сохранении накопленных навыков: это позволяет амортизировать затраты на цепочки рассуждений и сократить дорогостоящие вызовы API языковых моделей. Однако исследование, проведенное Омером Фаруком Акгюлем (Ömer Faruk Akgül) во время стажировки в AWS совместно с соавторами Шули Цзяном (Shuli Jiang), Юйтин Чжан (Yuting Zhang), И Чжан (Yi Zhang), Сяоханем Фэем (Xiaohan Fei), Вэй Ся (Wei Xia) и Стефано Соатто (Stefano Soatto) из University of Southern California и команды AWS Agentic AI, вскрывает критическую операционную уязвимость: без непрерывной актуализации сохраненные навыки превращаются из инструмента экономии в скрытые финансовые обязательства.
Когда среда меняется, части этого состояния могут устареть, тогда как остальные сохраняют пользу.
Подобное структурное несоответствие напрямую подрывает операционную эффективность корпоративного ИИ. Как отмечают авторы исследования, без регулярного обслуживания сохраненных навыков меняющаяся среда увеличивает затраты на исполнение и снижает результативность агентов. По мере обновления базовых API, схем данных и программных интерфейсов агенты со статичными репозиториями навыков сталкиваются с изменившимися границами среды. Как доказали Акгюль и команда исследователей, финансовые и вычислительные утечки проявляются непосредственно через избыточные шаги рассуждений и сбои исполнения при изменении целевых API.
Архитектура деградации навыков
Архитектуры автономных агентов сохраняют рабочие процедуры — так называемое состояние навыка (skill state), — чтобы направлять будущие действия на основе прошлого опыта и текущих наблюдений. Повторное использование этого состояния призвано исключить повторные многоэтапные рассуждения. Однако в тестовых средах, включая TerminalBench-2, налоговые формы IRS, AppWorld и ScienceWorld, сохраненные цепочки навыков регулярно расходились с реальностью.
Как показывают результаты AWS и USC, простое накопление навыков без регулярной очистки от устаревших зависимостей создает системное падение производительности. 14 августа 2026 года исследование 25 конфигураций агентов при решении более 525 задач показало, что все 21 дообученная система сгенерировали небезопасные артефакты, причем 15 из них спровоцировали сбои в последующих чистых сессиях. Позже, 8 сентября 2026 года, фреймворки вроде CoSkill от ByteDance достигли точности на бенчмарках до 98,4% на ALFWorld и 90,6% на WebShop именно за счет активного расширения библиотек навыков.
Когда интерфейсные зависимости меняются, устаревшие навыки вынуждают агентов запускать длинные компенсаторные циклы. Вместо экономии вычислений модель сжигает избыточные токены, пытаясь согласовать сохраненные процедуры с несовпадающими ответами среды во время выполнения. В итоге бизнес получает двойной штраф: точность выполнения задач обваливается по сравнению с базовым уровнем, а счета за вызовы API резко растут.
Выборочное обслуживание против наблюдения в рантайме
Ряд технических руководителей полагает, что продвинутые LLM способны самостоятельно разрешать противоречия прямо во время исполнения, опираясь на текущие наблюдения среды, что якобы делает поддержание постоянного состояния навыков излишним. Исследование опровергает этот тезис: расчет исключительно на компенсацию в рантайме приводит к раздуванию шагов взаимодействия и нестабильному результату.
По сравнению с повторным использованием устаревшего состояния, обслуживание повышает точность задач на величину до 67 п.п. и сокращает шаги выполнения на величину до 37%.
Чтобы устранить этот дисбаланс, Омер Фарук Акгюль и его команда предложили выборочное обслуживание (selective maintenance). Этот архитектурный паттерн повторно прогоняет проверки валидности из предыдущих успешных запусков без дополнительных запросов к модели. Процесс верифицирует, не конфликтуют ли текущие наблюдения среды с сохраненными навыками, локально восстанавливает фрагменты кода или запускает полную пересборку состояния, если точечные правки не помогают. Изолируя невалидные эндпоинты или измененные поля без сброса всего пайплайна, выборочное обслуживание возвращает до 67 процентных пунктов точности и снижает число шагов исполнения на 37% по сравнению с работой на устаревших данных.
Компании, внедряющие автономных агентов ради сокращения расходов на фонд оплаты труда, рискуют полностью перечеркнуть экономию ростом счетов за инференс, если их системная архитектура продолжит воспринимать память агента как статичный склад.
Как менялась картина
Скрытый налог на эксплуатацию агентов растет прямо пропорционально их «опыту»: попытка сэкономить на вызовах моделей оборачивается лишними шагами рассуждений и сбоями, как только меняются внешние интерфейсы. В середине августа уже вскрылось, как развивающиеся конфигурации оставляли небезопасные артефакты, ломавшие работу даже в чистых сессиях, а свежие тесты AWS и команды USC подтверждают схожую проблему в боевых средах вроде налоговых форм IRS или TerminalBench-2. Идея о том, что продвинутая система сама разберется с нестыковками на лету без ручной зачистки устаревших процедур, оказалась иллюзией — за бесконечные компенсаторные циклы платит заказчик. Накопление старых навыков без жесткой ревизии превращает инструмент оптимизации в постоянный источник лишних расходов.
Наши материалы: ИИ-агенты сохраняют опасные привычки через ошибки эволюции (14 августа).
Источник: arXiv cs.AI