記憶を容量として測る
IBM Researchは8月18日、ALTK‑Evolveを8モデルで評価しました。記憶は会話全文ではなく、過去の成功・失敗から抽出した戦略と注意点で、重み更新なしに全体、核、課題別検索として渡します。
著者報告ではDeepSeek‑V3.2は全指針で完了率+9.5ポイント、gpt‑oss‑120bは選択検索で+16.1ポイント、トークン+5%でした。全体投入は改善が小さく約50%多く使いました。GLM‑5には測定可能な改善がありませんでした。
意味と限界
業務ごとに記憶なし、核、検索、全体を比較し、成功、費用、遅延、誤指針再利用を測るべきです。特定課題と8モデルの著者実験で、パラメータ数だけでは決まりません。