大多数“智能体记忆”演示都停在保存成功那一刻。真正有意思的失败发生在之后:正确的事实明明就在上下文窗口里,模型却仍然给出旧答案;或者记忆库长得越来越歪,少数枢纽条目吸走了几乎所有检索,而那些罕见状态在角落里悄悄出错。
这个秋天围绕记忆与上下文究竟在哪里断裂,积累了一批长文;同时一个论点越来越响:其中一部分工作应该从提示词里搬出去,交给代码。下面六篇,每篇用几句话概括,并给出完整文章的入口。
一、别在还不知道问题是什么的时候就决定记什么
多数记忆系统在写入时就把一段轨迹蒸馏成反思、工作流或技能,而那时没人知道未来的任务会需要什么。这个阶段被丢掉的东西,就永远没了。
JitMem(arXiv:2609.27334)保留原始轨迹,让一个策展器在读取时组装出针对具体任务的数据包。因为数据包就用在同一个任务上,策展器可以直接用任务成败通过 GRPO 来训练。文章走了一遍“检索、策展、执行、更新”的循环,给出在 ALFWorld、WebShop 和 τ²-bench 上的报告增益,也讨论了写入时蒸馏在什么情况下仍然合理。
二、记忆使用是有形状的,错误堆在尾部
衡量记忆通常用两把尺子:任务成功率和 token 成本。对 CTWM(arXiv:2610.00010)的这篇深读加了第三把:检索是如何分布的。窗口有限时,使用会集中在很小的核心上,罕见状态漂进长尾,预测误差在那里累积。
提出的修法是按排名分配提示预算,用一个指数控制集中程度,并对尾部做摘要而不是直接丢弃。结果报告在合成图世界、ALFWorld 和 LongMemEval 上。最实用的一节讲的是哪些做法可以搬进你自己的记忆层。
三、更新就在上下文里,模型还是挑旧值
你告诉助手自己换了饮食偏好,几轮之后它又重复旧的。这既不是幻觉,也不是检索没命中。一篇加州大学伯克利分校的论文(arXiv:2609.38866)把它叫作陈旧绑定,并构建了 CICM 基准来测量它。
探针显示,模型答错的时候,新值在模型内部仍然可读,所以这是选择失败,不是遗忘。文章追踪了注意力向旧值漂移的过程,给出旧值如何胜出的一层推导,以及一种不重新训练就能重定向注意力的方法。
四、记忆控制不必都走大模型
当每一次写入、连边、搜索和停止判断都要再来一轮文本生成,记忆很快就会又慢又贵。Jev-Mem(arXiv:2609.23986)把工作拆成三个平面:一个快速的结构化控制平面处理日常记忆决策,一个多关系图负责存储,一个推理模型只在证据需要变成答案时才被调用。
文章核对了 LoCoMo 的数字,把这个设计与站内早前关于决策模型和 harness 的文章做了比较,最后给出一份清单:什么时候值得单独建一个控制平面。
五、让 harness 长大,而不是让上下文窗口长大
2026 年扩展智能体的默认做法是加更多上下文:更长的历史、更多摘要、更多注入的技能。Growing Harness(arXiv:2609.26760)问的是:哪些控制决策已经足够稳定,可以永久离开提示词。
它从一个不含策略的脚手架出发,在失败窗口和轨迹里找出反复出现的控制行为,把它们编译成可执行代码,放在回滚闸门之后。文章覆盖了报告的成功率、调用次数和成本数字,展示了学到的程序长什么样,也说明了这个思路与提示优化、技能库之间的关系。
六、一个带真实控制平面的小 harness
Pi 曾经宣传自己不支 MCP。1.0 版本把 MCP 放进了核心,因为延迟工具加载和对话中途的系统消息,最终都需要 MCP 提供的那套暴露元数据。
这次发布的中心是 Codemode:模型编写 JavaScript,在 QuickJS 沙箱里运行,用来组合、并行化和过滤工具调用,中间结果因此不会淹没上下文。文章把它和 bash 管道做了对比,并列出 Pi 的哪些默认设置你大概不该照抄。
贯穿六篇的线索是:把窗口变大,很少能修好记忆的 bug。把“保留什么”的决定放到更晚(JitMem),按形状分配预算(CTWM),检查更新是否真的生效(陈旧绑定),把稳定的控制搬进代码(Jev-Mem、Growing Harness、Pi)。
热门跟贴