تشكل السياقات الطويلة تحدياً كبيراً في عالم الذكاء الاصطناعي، حيث تتطلب نماذج التفكير القدرة على الوصول إلى أدلة متنوعة ومتناثرة عبر مستندات، حوارات، وسجلات تفاعلية متراكمة. في محاولة لمعالجة هذا التحدي، تم تقديم نظام ذاكرة HMARS، وهو نظام مُدار بشكل هرمي متعدد الوكلاء، الذي يعتبر السياقات الطويلة كمجموعة من الذاكرة المدارة بدلاً من مجرد تجميع سطحي لعمليات الاسترجاع.

تحسين قدرة التعامل مع السياقات الطويلة، يتكون نظام HMARS من وحدات فرعية تتولى مهاماً متعددة: الوكلاء الفرعيون يحافظون على وصول موثوق إلى مناطق ذاكرة محدودة، بينما يدير الوكلاء المتوسطون سياقاً إقليمياً ويوفرون تنسيقاً محدداً بحسب الاستعلامات. وأخيراً، يقوم نموذج الحدود بأداء عمليات التفكير النهائية على الصفحات المدعومة من الأدلة.

لتقييم فعالية هذا النظام، تم بناء معيارين تشخيصيين يستهدفان اتساع الأدلة والمصداقية المعتمدة على السياق. أثبت نظام HMARS تفوقه في الأداء الشامل عند مقارنته مع طرق استرجاع المعلومات التقليدية، حيث حقق نتائج أفضل في المهام المتعلقة بالمستندات الطويلة والذاكرة متعددة الدوران. كما تظهر تحليل تغطية الأدلة أن تحسيناته تأتي من استرجاع الأدلة المطلوبة بشكل أكثر كفاءة، وليس فقط من تغيير النتيجة النهائية المعطاة في عملية الاسترجاع.