研究：长程语言智能体记忆痕迹呈重尾分布
原文标题：Heavy-Tailed Memory Traces in Long-Horizon 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。
论文指出当前记忆系统仅以任务成功率或 token 成本衡量，忽略了记忆使用的形状。研究发现智能体记忆会集中于小核心而将稀有状态留在长尾，且该集中性依赖策略。作者提出 Core-Tail World Model（CTWM）控制器，在 LongMemEval 上减少 24.48% token 且准确率持平。
- 问题
- 记忆系统只看任务成功率和 token 成本，忽略记忆使用的形状。
- 方法
- 提出基于排名的 Core-Tail World Model 控制器，用单一指数分配提示预算并保留摘要尾部。
- 结果
- LongMemEval 上 token 减少 24.48% 且准确率持平，尾部预测误差降低 13.6%。
- 影响
- 重尾记忆痕迹可作为控制信号，直接降低长程智能体的上下文成本。
深读 · 结论先行AI 生成展开看要点与影响 ↓
智能体记忆呈重尾分布，CTWM控制器在LongMemEval省24.48% token且准确率持平。
- •记忆使用集中于小核心、稀有状态留在长尾，且集中性依赖策略：随机游走呈对数正态，语义LLM策略呈截断幂律
- •提出基于排名的Core-Tail World Model（CTWM），用单一指数τ分配提示预算并保留摘要尾部
- •在Synthetic Graph World上提示token减少5.9%，下半尾预测误差降低13.6%
- •在LongMemEval上token减少24.48%且总体准确率持平，ALFWorld上同样一致省token
为什么重要：给长程智能体记忆系统提供了成功率与token成本之外的新评估维度，并给出可直接落地的省token控制信号。
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。