Naukowcy z obszaru sztucznej inteligencji opracowali innowacyjną metodę o nazwie MaSRead, która pozwala niezależnym agentom dzielić się stanem obliczeniowym poprzez fragmenty cache'u zamiast przesyłać całe teksty. Fragmenty te są scalane przy użyciu konfliktodarmowych replikowanych typów danych - struktury, która gwarantuje zbieżność niezależnie od kolejności dostępu czy duplikacji.
Głównym wyzwaniem było to, że późniejsze zapytania, nieznane w momencie kodowania, nie mogły niezawodnie czytać ze scalonego cache'u, ponieważ sąsiadujące fragmenty wzajemnie się zakłócały. MaSRead rozwiązuje ten problem poprzez adresowanie oparte na treści. System kieruje zapytania za pośrednictwem nieprzezroczystych zbiorów znaczników pochowanych ze słów fragmentów i dekoduje każdy wybrany fragment przy użyciu twardej maski uwagi, która ukrywa resztę magazynu. Ta podejście pozwala systemowi efektywnie działać w różnych architekturach - łańcuchowych, pipelinowych, symetrycznych, hub'owych i w magazynach opartych na języku naturalnym.
Sposób działania opiera się na spójności leksykalnej - przejście po grafie pozwala dotrzeć do fragmentów wymaganych przez zapytania wieloskokowe. Po routingu materialna dekodowanie zależy od długości fragmentu, a nie całkowitego rozmiaru magazynu, choć całkowita praca obejmuje routing zależny od magazynu i jedno czytanie na wizytowany fragment. Metoda wykazuje ograniczenia: routing leksykalny może pominąć rozłączone dowody, a składanie odpowiedzi pozostaje ograniczone możliwościami zamrożonego czytnika. Tym samym replikowany magazyn latentny staje się selektywnie czyttelny dla późniejszych zapytań, gdy wymagane fragmenty łączą się z zapytaniem poprzez zawartość.