SLICE-Mem: ذاكرة وكلاء LLM بلا توليد تخفض استهلاك التوكنات بنسبة 92–99%

تجعل الذاكرة طويلة الأمد وكيل LLM أقرب إلى محاور يتذكر ما قلتَه الأسبوع الماضي. لكنها مكلفة: فكل خطوة تقريبًا، من قرار «الحفظ أو عدمه» إلى استخراج الحقائق وتنظيمها، تتطلب استدعاءً منفصلًا لنموذج كبير. يقترح فريق Xiaobin Chen وأربعة مؤلفين آخرين إطار SLICE-Mem، الذي لا يستخدم جزؤه العامل أثناء التشغيل (online) من خط المعالجة أي نماذج LLM توليدية إطلاقًا. وعلى Qwen3-30B يقترب الإطار من جودة خط الأساس التوليدي MemOS، ويستهلك توكنات أقل بنسبة 92,4% (Memora Weekly) و99,5% (LongMemEval-S).

مرشّح عند المدخل بدلًا من نموذج في كل خطوة

في معظم أنظمة الذاكرة الخاصة بالوكلاء يعمل LLM كموظف مكتب شامل المهام. فهو يقرأ الرسالة، ويقرر هل تستحق الحفظ، ثم يعيد صياغتها في صورة حقيقة ويطابقها مع ما تراكم لديه. وكل عملية من هذه العمليات تضيف زمن تأخير وفاتورة توكنات، وكلاهما يزداد مع طول الحوار.

يقسّم SLICE-Mem العمل إلى مسارين. ويتكوّن المسار الذي يعمل أثناء التشغيل من مكوّنين خفيفين:

• مصنّف مدمج يقيّم أهمية (salience) رسائل المستخدم ولا يمرر إلى الذاكرة إلا ما يستحق الاحتفاظ به؛
• مستخرِج قائم على التبعيات الدلالية يبني من الرسائل المقبولة سجلات موجزة، ويعتمد في ذلك على المسند (predicate)، أي الفعل أو الحالة التي تدور حولها العبارة.

ولا تحتاج الخطوتان إلى توليد نصوص بواسطة نموذج كبير. فالتصفية تستبعد الثرثرة والعبارات الحياتية الرابطة، بينما يحوّل الاستخراج المتمحور حول المسند ما تبقّى إلى وحدات ذاكرة مدمجة.

مطابقة السجلات تُؤجَّل إلى الليل

أدق ما في أي ذاكرة هو التناقضات والتكرارات. فقد ينتقل المستخدم إلى مكان آخر، أو يغيّر عمله، أو يعدل عن رأيه، ويجب أن ترتبط السجلات الجديدة بالقديمة ارتباطًا صحيحًا. وهنا يستخدم المؤلفون LLM فعلًا، لكن ليس في الزمن الفعلي. فقد نُقلت المطابقة بين السجلات إلى مرحلة توحيد (consolidation) تعمل خارج التشغيل المباشر (offline) وتُطلق بمعزل عن الحوار.

يحوّل هذا الفصل العمل المكلف إلى موضع لا توجد فيه متطلبات صارمة لزمن التأخير. فالمستخدم لا ينتظر أن يعيد النموذج قراءة الذاكرة كلها بعد كل رسالة. وإذا أمكن تشغيل التوحيد على دفعات، تصبح تكلفته قابلة للضبط أيضًا.

ماذا أظهرت الاختبارات المعيارية

قيّم المؤلفون النظام على المجموعة الفرعية الأسبوعية من Memora وعلى LongMemEval-S. واستخدموا في بناء الذاكرة والتوحيد نموذجين من عائلة Qwen: بحجم 8B و30B من المعاملات. وجرت المقارنة الرئيسية مع خط الأساس التوليدي MemOS بإعداد Qwen3-30B.

• Memora Weekly، مقياس FAMA (Forgetting-Aware Memory Accuracy): 46,60 لخط معالجة SLICE-Mem الذي يعمل أثناء التشغيل مقابل 46,68 لـ MemOS، بفارق 0,08 نقطة.
• LongMemEval-S، الدقة: 56,8% مقابل 59,3%، بتأخر قدره 2,5 نقطة.
• إجمالي استهلاك LLM من التوكنات: أقل بنسبة 92,4% على Memora Weekly وبنسبة 99,5% على LongMemEval-S.

على Memora تتطابق النتيجة عمليًا مع MemOS. وعلى LongMemEval-S يظهر تراجع طفيف، لكن التوفير يقارب مرتبتين عشريتين. ويخلص المؤلفون إلى أنه يمكن حفظ الأدلة المفيدة للذاكرة طويلة الأمد مع اعتماد أقل بكثير على LLM عند بنائها.

أين يفيد هذا عمليًا

بالنسبة إلى الفرق التي تبني مساعدين شخصيين أو أنظمة دعم أو وكلاء برمجة بذاكرة تمتد بين الجلسات، تقدّم الورقة مرجعًا واضحًا. فإذا كانت فاتورة التوكنات المخصصة لـ«محاسبة الذاكرة» مماثلة لفاتورة الردود نفسها، فمن المفيد التحقق مما إذا كان التوليد عند المدخل ضروريًا. فمصنّف الأهمية والتحليل النحوي يعملان بسرعة، ويمكن إبقاؤهما بجوار الخدمة دون تمريرهما عبر API خارجي.

والقيود واضحة أيضًا. فالنتائج مستمدة من اختبارين معياريين ومن نماذج Qwen، والمقارنة مع MemOS مقدَّمة لإعداد واحد فقط. وفجوة 2,5 نقطة على LongMemEval-S تعني أن الاختيار في المهام ذات المتطلبات الصارمة لاكتمال الذاكرة يتوقف على كلفة الخطأ. لكن بوصفه نمطًا هندسيًا، يبدو نمط «مرشّح رخيص أثناء التشغيل ومطابقة ذكية خارجه» عمليًا. فهو يقلل زمن التأخير، ويجعل تكلفة الذاكرة قابلة للتوقع، ويُبقي النموذج الكبير للمواضع التي لا غنى عنه فيها حقًا.