Codex Patchen: Beheerde Amnesie Zonder Contextverlies
OpenAI
Een ontwikkelaar stelde een methode voor waarmee het Codex-model autonoom kan beslissen wanneer het zijn context moet comprimeren. Het model legt de reden uit en maakt een plan voor toekomstig werk, waarbij checkpoints worden gebruikt om de status na compressie te herstellen. De aanpak is geïmplementeerd in een GitHub-repository, hoewel er nog geen conclusies zijn getrokken.
Een ontwikkelaar gaf het model (in codex) de mogelijkheid om zelf te beslissen wanneer een compact nodig is en eiste dat het de reden uitlegde en een plan voor de toekomst opstelde. De motivatie is dat compacting midden in het bewerken van een groot, samenhangend projectonderdeel enige twijfel oproept. De methode houdt in dat er huidige contextsituatie wordt toegevoegd aan tool call-antwoorden en instructies voor het schrijven van checkpoints in agentregels. Vóór een grote fase controleert de agent het resterende contextvenster. Als het geplande werk niet past, slaat het een checkpoint op met informatie over wat er wordt gedaan en wat er na de compact gepland is, en comprimeert vervolgens zijn context. Bij het ontwaken leest het het checkpoint, verifieert de repositorystatus en gaat verder met het werk volgens het geplande schema. Het lijkt interessant, maar er zijn nog geen conclusies. Je kunt het testen via de meegeleverde GitHub-link, hoewel je codex zult moeten patchen, wat geen groot probleem is.
Bron: Habr — хаб ИИ —
origineel