概要

从过去经验中学习受益于两种互补的记忆形式：情景追溯（episodic traces）——记录发生了什么事件的原始轨迹，和抽象整合（consolidated abstractions）——从多个情景中提炼出的可复用模式化知识。近期基于 LLM 的智能体记忆系统追求整合形式：LLM 将过去的轨迹重写为文本记忆库，并随新交互持续更新。本文揭示了一个关键问题：由当前 LLM 生成的整合记忆即使来源于有用的经验，往往也是有缺陷的。随着整合的进行，记忆效用先升后降，甚至可能低于无记忆基线。

核心贡献

1. 记忆整合的危害性发现

本文的核心实证发现： - 记忆整合后，效用先升后降，可跌至无记忆基线以下 - 即使从 Ground Truth 解决方案整合，GPT-5.4 在 54% 的 ARC-AGI 问题上失败——而这些问题是该模型之前无记忆状态下能解决的

2. 回归根源定位

将性能回归精确归因于整合步骤而非底层经验： - 相同的轨迹在不同更新调度下产生质量迥异的记忆 - 简单保留原始情景轨迹的对照方案（episodic-only）与强迫整合方案持平

3. 自主管理优于强迫整合

在 ARC-AGI Stream 环境中（暴露 Retain/Delete/Consolidate 三种动作）： - 默认保留原始情景的智能体比强迫整合的对应方案准确率翻倍 - 完全禁用整合（仅情景管理）与自动整合方案的性能相当

4. 实践建议

论文给出可操作的设计原则： 1. 将原始情景视为一级证据（first-class evidence） 2. 显式门控整合：不应在每次交互后都触发整合 3. 可靠的智能体记忆需要能整合而不覆盖所依赖证据的 LLM

5. Episodic vs. Consolidated 对比分析

方案	机制	性能
强迫整合	每次交互后更新记忆	次优
情景管理	保留原始轨迹，按需检索	竞争力
自动整合	LLM 自主决定何时整合	性能不稳定

为什么重要

这篇论文挑战了当前主流的"记忆整合=智能体自我提升"范式。核心洞见： - 整合≠优化：LLM 的整合过程会引入错误，而非提炼知识 - 保留原始证据：在整合不可靠的情况下，原始情景轨迹作为备用证据更可靠 - 门控机制是关键：何时整合比如何整合更重要

与移动端/端侧相关性

对于端侧记忆系统： - 存储原始情景轨迹需要更多空间，但更可靠 - 增量式整合策略可降低计算和存储开销 - 对于资源受限的端侧设备，简单保留情景可能比复杂整合更高效