COUNTERMEM：世界模型验证的反事实记忆
原文标题：COUNTERMEM: World-Model Verified Counter-Factual Memory for Language Agents
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。
现有智能体记忆多来自真实交互反馈，很少追问「如果换一个动作会怎样」。作者提出 COUNTERMEM，在动作失败后借助可执行世界模型（测试、证明器、求解器）评估局部替代方案，存储经校验的反事实记忆，并用学习到的记忆使用策略平衡成功率与交互成本。在 12 个基准上平均提升 12.6 个百分点，任务 token 消耗降低 7.7-42%。
- 问题
- 智能体记忆多来自真实交互反馈，很少追问「换一个动作会怎样」，错失可复用经验。
- 方法
- 动作失败后用可执行世界模型（测试、证明器、求解器）评估局部替代方案，存储经校验的反事实记忆，并用学习策略决定是否调用。
- 结果
- 12 个基准、六个领域上平均提升 12.6 个百分点，任务 token 消耗降低 7.7-42%。
- 影响
- 让智能体从失败中提炼可复用经验而非重复试错，降低交互成本，适合工具型智能体落地。
深读 · 结论先行AI 生成展开看要点与影响 ↓
COUNTERMEM 用可执行世界模型构建反事实记忆，12 个基准平均提升 12.6 个百分点
- •动作失败后从原始状态的副本或重置出发，用测试、证明器、求解器等可执行世界模型评估局部替代方案
- •存储改进记录，包含原始动作、修正动作、校验结果与复用条件
- •学习记忆使用策略，在任务成功率与交互成本间权衡，基础 LLM 保持固定
- •在六个领域 12 个基准上，gpt-oss-120b 使 ReAct 与 Reflexion 全部提升，平均 +12.6 个百分点，任务 token 消耗降低 7.7-42%
为什么重要：把「如果换个动作会怎样」变成可验证的记忆来源，为智能体记忆构建提供了不同于真实交互反馈的新范式。
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。