19:10rohanpaul_ai@rohanpaul_ai精选72°伊利诺伊大学和清华大学等实验室的研究发现,LLM智能体在持续重写自身记忆时,记忆会变得不可靠。许多智能体系统通过让LLM将混乱经验压缩成整洁教训来存储过往工作,但论文表明反复重写会逐渐损害记忆。原始经验(实际尝试和解决方案)往往比精炼后的教训更有用。在网页购物、模拟世界、应用使用和ARC-AGI谜题等任务中测试,GPT-5.4在无记忆时解决100%的ARC-AGI任务,但用正确解决方案构建记忆后,流式更新导致准确率降至约54%。失败源于错误分组、过度泛化和过拟合,记忆丢失细节、混淆任务类型或学习到仅适用于狭窄示例的规则。论文建议智能体记忆不应自动将每次经验重写为摘要,保留原始证据并仅偶尔制作摘要效果更好。论文LLM智能体记忆机制可靠性ARC-AGI经验压缩推荐理由:做AI智能体开发的团队会立刻警觉——你精心设计的记忆系统可能在悄悄退化。这篇论文用实验数据戳破了「自动总结记忆」的幻觉,建议所有用LLM做长期任务的开发者点开看看,别让记忆成为瓶颈。原文