研究：智能体记忆检索到旧事实反而更易答错
原文标题：When Retrieval Is Not Enough: Obsolete Facts in Agent Memory
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文在 MemoryAgentBench 的 FactConsolidation 任务上发现，检索到正确事实并不够：Qwen2.5-7B 在证据预算从 64 增至 512 token 时准确率由 45% 降至 32%。将一条无关证据替换为过时竞争陈述后，Qwen2.5 准确率从 100% 跌至 44.6%。
- 问题
- 记忆智能体检索到正确事实仍答错，检索与生成被混为一个分数。
- 方法
- 在 FactConsolidation 上分离检索与使用，控制证据预算与过时竞争陈述。
- 结果
- 证据预算 64→512 token 时 Qwen2.5-7B 准确率 45%→32%；替换为过时陈述后 100%→44.6%。
- 影响
- 记忆系统设计须主动压制过时事实，扩大检索量反而有害。
深读 · 结论先行AI 生成展开看要点与影响 ↓
检索到正确事实仍会答错：Qwen2.5-7B证据预算从64增至512 token，准确率反降45%→32%。
- •MemoryAgentBench的FactConsolidation任务上，6K历史BM25检索，证据预算64→512 token时Qwen2.5-7B准确率由45%降至32%。
- •金标辅助审计确认每次检索集里都含最新陈述，说明失败不在检索缺失，而在未使用已检索到的更新。
- •错误多出现在同时含过时陈述版本的问题上；等量四句证据下，用一条过时竞争陈述替换无关句，Qwen2.5准确率100%→44.6%。
- •同一替换下Qwen3-14B仅从100%降至87.8%，50组有害翻转全部被归类为stale。
- •32K历史复现同样显示BM25-64优于BM25-512（69% vs 58%）。
为什么重要：对做记忆型智能体的团队：堆检索预算和召回率不能解决知识更新问题，过时证据的危害大于无关证据，评测需把检索与生成拆开打分。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。