ব্রেনযোগ্যতা গবেষণার মাসها পর মাসে, আমি দেখেছি যে LLM এজেন্টরা দীর্ঘ অনুসন্ধান সময়ে প্রতিষ্ঠিত তথ্যগুলোর ট্র্যাক হারিয়ে ফেলে, যা হ্যালুসিনেশন সৃষ্টি করে। سنتগত মেমরি পুরনো ট্রান্সক্রিপ্ট সংরক্ষণ করে কিন্তু বর্তমান জ্ঞান অবস্থা বজায় রাখে না। আমি চেয়েছিলাম LLM গুলো তথ্য পরিবর্তন হলে স্বয়ংক্রিয়ভাবে নিষ্কর্ষ আপডেট করে, প্রোগ্রাম বিশ্লেষণের মতো যেখানে নিয়ম নতুন তথ্য উদ্ভাবন করে এবং শুধু প্রভাবিত ফলাফল আপডেট করতে হয়। এটা আমাকে LLM গুলোর জন্য একটি Datalog ইঞ্জিন বানাতে বাধ্য করেছিল। Datalog একটি ঘোষণামূলক লজিক ভাষা যেখানে তথ্য এবং নিয়ম নতুন তথ্য উদ্ভাবন করে; যদি কোন ইনপুট তথ্য পরিবর্তন হয়, তবে শুধু নির্ভরশীল নিষ্কর্ষগুলো অবৈধ হয় স্ক্র্যাচ থেকে পুনরায় শুরু করার বদলে। আমি এটা বাস্তবায়ন করেছিলাম যখন আমি দেখেছিলাম আক্রমণকারী object_a কন্ট্রোল করে, object_a object_b কে পয়েন্ট করে, এবং object_b একটি কার্নেল অবজেক্ট, যা আক্রমণকারীকে একটি কার্নেল অবজেক্ট কন্ট্রোল করতে দেয়। পরে, object_a object_b কে পয়েন্ট করে না তা আবিষ্কার করলে পূর্বের নিষ্কর্ষগুলো অবৈধ হয়ে গেল। একটি গতিশীল জ্ঞান ভিত্তি বজায় রাখা প্রোগ্রাম বিশ্লেষণের সাথে পরিচিত লাগে, যেখানে ফিক্সড পয়েন্ট উদ্ভাব্য তথ্য গণনা করে এবং ইনক্রিমেন্টাল আপডেট পারফরম্যান্স অপ্টিমাইজ করে। এই পদ্ধতিটি জটিল এক্সপ্লয়েট ডেভেলপমেন্টে আরও নির্ভরযোগ্য LLM সহায়তা обещает করে শুধু বৈধ, বর্তমান অবস্থা সংরক্ষণ করে বারবার ইতিহাস পুনর্নির্মাণ করার বদলে।