Het beheren van uitgebreide interacties vormt een grote uitdaging voor AI-agenten die complexe programmeeropdrachten uitvoeren. Traditioneel slaan deze systemen hun geschiedenis lineair op, wat vaak leidt tot een overvloed aan contextinformatie. Deze 'context inflation' kan de prestaties van het model negatief beïnvloeden. Volgens een wetenschappelijke publicatie via arxiv.org is het simpelweg inkorten van deze geschiedenis riskant, omdat cruciale data voor nog niet afgeronde subtaken verloren kunnen gaan.
Een hiërarchische aanpak van subtaken
Om dit probleem aan te pakken, hebben Jiahong Xiang en collega-onderzoekers Spine geïntroduceerd. Dit systeem is ontworpen om de context van het model beter af te stemmen op de hiërarchie en de voortgang van subtaken. In plaats van een eenvoudige lijst maakt Spine gebruik van zogenaamde 'work scopes', waarmee een agent expliciete grenzen voor specifieke subtaken kan vastleggen.
Een centraal element van deze technologie is de SpineTree. Dit is een persistente boomstructuur die de relaties tussen subtaken, lokale interacties en de status van voltooiing bijhoudt. Vlak voordat het model een nieuwe aanroep doet, wordt deze boom 'just-in-time' gecompileerd tot een bruikbare context. Hierbij worden details van reeds voltooide taken vervangen door hun uiteindelijke resultaten, terwijl openstaande interacties behouden blijven. Zoals beschreven in de documentatie op , zorgt dit proces ervoor dat de context compact blijft zonder dat essentiële informatie sneuvelt.
Prestatiewinst en kostenreductie
De effectiviteit van Spine is getest door integratie in bestaande systemen. Bij de creatie van SpineCodex, waarbij gebruik werd gemaakt van het model GPT-5.6 Sol, werden significante verbeteringen waargenomen. De data op tonen aan dat de SWE-Milestone Score met 11,8% steeg, terwijl de totale kosten met 32,4% daalden. Daarnaast was er een stijging van 17,3% in de gemiddelde test-pass rate op ProgramBench.
Ook bij de integratie in Pi, met Gemini 3.8 Flash en Qwen 3.8 27B, waren de resultaten positief. De SWE-Milestone Score steeg hier met 9,5% tot 17,5%, en de resultaten op ProgramBench verbeterden met 4,3% tot 8,7%. Opvallend is dat SpineCodex op de SWE-Milestone benchmark een score behaalde die vergelijkbaar was met 'Recursive Subagent', maar tegen aanzienlijk lagere kosten: een reductie van 73,7% in de totale uitgaven.
Structurele verschillen en terminologie
De onderzoekers benadrukken dat Spine een alternatief biedt voor recursieve delegatie aan subagenten. Bij die laatste methode worden subtaken geïsoleerd door ze aan aparte child-agenten toe te wijzen, wat vaak leidt tot extra overhead in coördinatie. Spine staat daarentegen toe dat dezelfde agent geneste subtaken inline uitvoert, waarbij delegatie enkel wordt gebruikt voor onafhankelijke, parallelle taken.
Hoewel de term 'Spine' in deze context verwijst naar een computationele architectuur voor AI, heeft het woord in andere vakgebieden een geheel andere betekenis. Zo wordt de anatomische wervelkolom op orthoeducation.com beschreven als een complexe structuur van botten, gewrichten en zenuwen die het lichaam ondersteunt en het ruggenmerg beschermt. De medische anatomie van de rug, onderverdeeld in cervicale, thoracale, lumbale en sacrale secties, heeft een puur fysieke functie die geen enkele relatie heeft met het softwarematige contextbeheer van AI.