إن استرجاع المعلومات المعزز (Retrieval-Augmented Generation) يعد بمثابة الهيكل الأساسي لذاكرة الوكلاء المستقلين على المدى الطويل. ومع ذلك، قد يؤدي تعامل الذاكرة المشتركة على أنها تدفق تقديمي فقط إلى ما يسمى بظاهرة "Shadowing الدلالي"، وهو نوع من الفشل الحرج حيث تتراكم الملاحظات التاريخية المتضاربة وتسيطر إحصائيًا على التحديثات الحديثة السليمة.

في بيئات تتسم بالحركة منه، قد يؤدي ذلك إلى تباين كبير في الحالة كما يسترجع الوكلاء معلومات غير صحيحة ويعملون بناءً عليها. تقدم هذه الورقة مفهوم Stateful Mutability لإثبات أن استرجاع المعلومات الكثيف يعاني من انخفاض في الاستدعاء القياسي.

علاوة على ذلك، نوضح رسميًا فخ التصويت بالأغلبية، حيث يسبب زيادة في نافذة سياق الاسترجاع تدهورًا في دقة التوليد من خلال تخفيف آلية الانتباه في ظل ظروف التماثل الدلالي. للتغلب على هذه المشكلة، نقدم GC-Mem (التخلص من القمامة للذاكرة)، وهو بروتوكول صارم للحفاظ على التناسق خلال وقت الاستدلال.

على عكس آليات التآكل الزمنية التدريجية التي تقوم بتدمير الذاكرة طويلة الأمد بشكل أعمى، يعتمد GC-Mem على مشغل الهيمنة الزمنية (Φₜ) المرتبط باكتشاف التناقض لقص صورة الظل بدقة. تم تقييم الأداء عبر مجموعة اختبار صارمة تحتوي على 137,760 وحدة ذاكرة، وأظهرت النتائج أن النموذج القياسي والتصنيفات استندت إلى الطوابع الزمنية تعاني من تدهور كبير. في المقابل، استطاع GC-Mem استعادة دقة حل النزاعات بنسبة تفوق 90%.

تضع هذه الدراسة حدودًا صارمة لدقة الاسترجاع، مما يضمن التقارب في الحالة حيث يفشل استرجاع المعلومات القابل للتغيير بشكل أساسي.