智能体记忆评估：保留与检索需解耦
原文标题：What Should an Agent Remember? Disentangling Retention from Retrieval in Bounded-Memory Evaluation
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文指出当前智能体记忆评测混淆了「保留什么」与「检索什么」两个决策，导致结论失真。作者构建流式召回基准，在相同300个种子场景下交叉测试保留与选择规则。固定访问条件后，查询感知选择仅带来15.5个百分点提升，而混合比较中报告的68.7点优势有53.2点来自访问差异。结论是记忆评测应固定访问条件并分别报告保留与选择指标。
- 问题
- 智能体记忆评测把「保留什么」和「检索什么」混在一起比较，结论失真。
- 方法
- 构建流式召回基准，在相同300个种子场景下交叉测试保留与选择规则，固定访问条件后单独衡量选择收益。
- 结果
- 固定访问后查询感知选择仅提升15.5个百分点；混合比较报告的68.7点优势中53.2点来自访问差异。
- 影响
- 做记忆/RAG评测的团队必须固定访问条件并分开报告保留与选择指标，否则会高估检索策略的价值。
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。