Что это?
TierSense — хаб из трёх API, основанных на исследованиях: они дают ИИ-агенту сигналы для решений — о сложности задачи, какие шаги истории готовы к сжатию и стоит ли прямо сейчас сжать или извлечь память, — чтобы ваше собственное приложение могло действовать по этим сигналам.
TierSense — хаб из трёх API, основанных на исследованиях: они дают ИИ-агенту сигналы для решений — о сложности задачи, какие шаги истории готовы к сжатию и стоит ли прямо сейчас сжать или извлечь память, — чтобы ваше собственное приложение могло действовать по этим сигналам.Это библиотека для установки или хостинговый API для вызовов?Это хостинговый API-сервис, который вы вызываете с API-ключом; репозиторий — лишь документация и хаб интеграций для трёх эндпоинтов, а не SDK и не сервер для самостоятельного хостинга.
Это хостинговый API-сервис, который вы вызываете с API-ключом; репозиторий — лишь документация и хаб интеграций для трёх эндпоинтов, а не SDK и не сервер для самостоятельного хостинга.С чего начать?Получите API-ключ на платформе TierSense, затем по мере надобности отправляйте POST-запросы на эндпоинты Score, Compress или Memory-Decide.
Получите API-ключ на платформе TierSense, затем по мере надобности отправляйте POST-запросы на эндпоинты Score, Compress или Memory-Decide.Обязательно ли вызывать все три API?Нет, каждый модуль независим: один Score — для показа сложности или маршрутизации моделей, один Compress — для выбора истории на сжатие, один Memory-Decide — для решения, когда извлекать память; комбинируйте, только если ваш сценарий этого требует.
Нет, каждый модуль независим: один Score — для показа сложности или маршрутизации моделей, один Compress — для выбора истории на сжатие, один Memory-Decide — для решения, когда извлекать память; комбинируйте, только если ваш сценарий этого требует.Что именно возвращает каждый из Score, Compress и Memory-Decide?Score возвращает пять признаковых оценок плюс общую оценку сложности, Compress — рекомендации по сжатию для каждого шага и выбор интервалов, а Memory-Decide — два решения (сжать/извлечь) со значениями уверенности.
Score возвращает пять признаковых оценок плюс общую оценку сложности, Compress — рекомендации по сжатию для каждого шага и выбор интервалов, а Memory-Decide — два решения (сжать/извлечь) со значениями уверенности.В чём история с упоминаниями «Jev» в README?Авторы заявляют, что их методы и две статьи были готовы до появления Jev 15 сентября 2026 года — это примерно полгода независимой работы, — и возражают против ярлыка спешного «автоисследования» в ответ на него.
Авторы заявляют, что их методы и две статьи были готовы до появления Jev 15 сентября 2026 года — это примерно полгода независимой работы, — и возражают против ярлыка спешного «автоисследования» в ответ на него.Где почитать исследования, лежащие в основе?Работа описана в двух приложенных PDF: «Memory Control Signals Emerge Before Action in Long Horizon Agents» (35 страниц) и «StateComp: Learning When to Compress History in Long Horizon Agents» (33 страницы).
Работа описана в двух приложенных PDF: «Memory Control Signals Emerge Before Action in Long Horizon Agents» (35 страниц) и «StateComp: Learning When to Compress History in Long Horizon Agents» (33 страницы).Это единственный нужный мне репозиторий или есть более старые?Теперь этот репозиторий — единственное поддерживаемое место для документации, примеров интеграции, Issues и Stars; старые репозитории хранят только уведомления о миграции и историю коммитов.
Теперь этот репозиторий — единственное поддерживаемое место для документации, примеров интеграции, Issues и Stars; старые репозитории хранят только уведомления о миграции и историю коммитов.What are similar projects?context-language-models, memcode, mem0, EverOS, Raven, deer-flow, Harness-RSI, bluntcore-intimacy-lab
context-language-models, memcode, mem0, EverOS, Raven, deer-flow, Harness-RSI, bluntcore-intimacy-labWhich topics is it in?llm-memory, model-router, arxiv, long-term-memory, llm-agents, papers, agentic, paper, academic, context-engineering, saas, autonomous-agents
llm-memory, model-router, arxiv, long-term-memory, llm-agents, papers, agentic, paper, academic, context-engineering, saas, autonomous-agents