让 Agent 学会忘记，为什么比让它记住更难

核心要点摘要

• 大家这两年都在拼命给 AI 加长记忆。但这篇论文反过来问了一个更像现实世界的问题：当 autonomous agent 不可能永远保存所有历史时，它该忘掉什么，才能不在后续任务里一点点偏航？
• 周一早上九点零七分，客服系统里弹出第 38 个对话框。
• 一个 autonomous agent 刚刚接手夜班留下来的所有上下文：用户上周投诉过什么，昨晚改过哪一版方案，谁答应过今天早上给出补偿，哪条备注只是猜测，哪条才是正式承诺。
• 真正的问题，是它忘了什么。
• 这几年，大模型行业几乎把一件事说成了共识：记忆越长越好，上下文越大越强。窗口从 32k 一路卷到 128k、256k，像是在给系统不停扩仓。默认叙事很简单：只要记得更多，agent 就会更可靠。
• 但《Novel Memory Forgetting Techniques for Autonomous AI Agents: Balancing Relevance and Efficiency》这篇 2026 年论文，偏偏不顺着这条…

一句话定义

大家这两年都在拼命给 AI 加长记忆。但这篇论文反过来问了一个更像现实世界的问题：当 autonomous agent 不可能永远保存所有历史时，它该忘掉什么，才能不在后续任务里一点点偏航？

正文

微信公众号原文：https://mp.weixin.qq.com/s/Omakl2KfP2J9CNXUTa6koQ

大家这两年都在拼命给 AI 加长记忆。但这篇论文反过来问了一个更像现实世界的问题：当 autonomous agent 不可能永远保存所有历史时，它该忘掉什么，才能不在后续任务里一点点偏航？

周一早上九点零七分，客服系统里弹出第 38 个对话框。

一个 autonomous agent 刚刚接手夜班留下来的所有上下文：用户上周投诉过什么，昨晚改过哪一版方案，谁答应过今天早上给出补偿，哪条备注只是猜测，哪条才是正式承诺。

它看起来知道一切。

真正的问题，是它忘了什么。

这几年，大模型行业几乎把一件事说成了共识：记忆越长越好，上下文越大越强。窗口从 32k 一路卷到 128k、256k，像是在给系统不停扩仓。默认叙事很简单：只要记得更多，agent 就会更可靠。

但《Novel Memory Forgetting Techniques for Autonomous AI Agents: Balancing Relevance and Efficiency》这篇 2026 年论文，偏偏不顺着这条路往下走。它问的不是“怎样让 agent 永远记住”，而是另一个更麻烦、也更接近真实部署的问题：如果一个 agent 注定要删掉一部分记忆，它怎样忘，才不会越做越偏？

这一下，问题的味道就变了。

因为“记不住”只是容量问题，“忘错了”却是策略问题。前者像仓库不够大，后者像档案管理员把真正关键的文件拿去粉碎，还一脸平静地继续工作。

所以这篇论文最值得看的，不是某个单独指标，而是它怎么设计实验。作者没有直接拿一个 benchmark 做成绩展示，也没有只讨论 token 节省了多少，而是先把“遗忘”拆成三个更像真实 agent 故障面的子问题。

第一，系统还能不能维持长程连续性。

第二，记忆会不会随着时间迅速塌掉。

第三，也是最要命的，系统在遗忘之后，会不会开始记错。

于是，他们选了三个互补 benchmark：LOCOMO、LOCCO 和 MultiWOZ 2.4。这个组合并不花哨，但很聪明。它不是在测一个抽象的“记忆能力”，而是在测 agent 一旦进入持续任务后，最容易先坏掉的是哪一层。

先看 LOCOMO。它测的不是那种“记得一个事实就算过关”的轻量记忆，而是长程、多轮、跨时间的人物与事件连续性。谁说过什么，什么时候说的，前后因果能不能接住。

这类测试为什么重要？因为真实 agent 处理的往往不是孤立请求，而是一串互相牵连的动作：你昨天给谁发了邮件，你上周基于什么证据做了判断，你今天读到的新信息，会不会推翻旧决策。只要时间线一断，系统看起来可能还很流畅，实际上已经开始前言不搭后语。

再看 LOCCO。这个 benchmark 更像是在盯着记忆是怎么慢慢漏掉的。论文引用的结果里，Openchat-3.5 的 Memory Score 从 0.455 掉到 0.05，几乎是一路滑坡。另一个数字是 ChatGLM3-6B 大约只能保留 48.25% 的记忆。

这种结果最刺眼的地方，不是证明谁弱，而是提醒我们：agent 的问题从来不是某一个时刻答得对不对，而是它能不能在持续运行里不变形。很多系统第 5 轮还是正常的，第 50 轮开始漂，第 500 次读写之后，已经像在替另一个自己工作。

最后是 MultiWOZ 2.4。它在这篇论文里尤其关键，因为它把问题推进到了动作层：不是只问系统记住没有，而是问它在任务执行里到底会不会误记。作者给出的数字是 78.2% accuracy 和 6.8% false memory rate。

为什么 false memory 这件事比单纯遗忘更值得警惕？

因为一个会说“我不确定”的系统，最多只是卡住；一个明明忘了、却坚信自己记得的系统，才会直接替你做错决定。对 autonomous agent 来说，误记不是输出瑕疵，而是会传导到行为链条里的故障。

你会发现，这三个 benchmark 拼在一起，几乎像一份 agent 风险剖面图。LOCOMO 看连续性，LOCCO 看衰减，MultiWOZ 看误记与任务后果。它们共同回答的，其实不是“AI 记忆好不好”，而是“当系统必须遗忘时，它会先在哪个环节开始失真”。

这就是这篇论文实验设计最成熟的地方。它没有把遗忘当成一个抽象概念，也没有只把它当成工程优化项，而是把它放回了 autonomous agent 的真实处境里：一个会持续读、持续写、持续行动的系统，不可能无限保存所有历史，于是每一次删除都在重新划定未来判断的边界。

论文在结果部分的写法也很有意思。它一边列出现有模型在 retention、accuracy 和 false memory 上的下降，一边把自己的方法描述为一种“约束记忆条件下仍能保持稳定”的策略：某些指标超过 93.3%、91.2%，F1 高于 0.643，同时 false memory rate 更低，context usage 也更省。

这意味着作者真正想证明的，不是“我们的系统记得最多”，而是“在不得不忘的时候，我们忘得更像一个经过设计的系统，而不是一个随机漏水的桶”。

这也是为什么我觉得，这篇论文表面上写的是 efficiency，底下真正讨论的却是 governance。你必须先回答 relevance 是什么，什么算高价值记忆，什么可以被安全删除，什么一旦删掉，就会在下一轮任务里变成事故。

问题到这里，已经不只是模型怎么做压缩了。它开始变成一种管理学问题，甚至是一种组织责任问题：谁来定义 agent 应该保留的记忆？谁来承担错误删除之后的后果？

所以，看这篇论文时，最值得警惕的并不是“AI 终于学会遗忘”这种听起来很新鲜的标题，而是另一个更冷的事实：未来真正进入流程、后台和组织系统里的 agent，未必会死在不知道答案上，它更可能死在删掉了正确答案之后，还继续一本正经地执行。

从这个角度说，长上下文也许根本不是终点。真正决定 agent 能不能进入现实世界的，可能不是它能装下多少记忆，而是它在必须丢掉一部分记忆的时候，能不能仍然保持判断、连续性和自我一致。

参考资料

1. Novel Memory Forgetting Techniques for Autonomous AI Agents: Balancing Relevance and Efficiency, arXiv:2604.02280, 2026
2. Experimental setup benchmarks: LOCOMO, LOCCO, MultiWOZ 2.4
3. Reported benchmark figures in paper/source: LOCCO memory decline 0.455 -> 0.05; ChatGLM3-6B retained about 48.25% memory
4. Reported MultiWOZ figures: 78.2% accuracy, 6.8% false memory rate
5. Paper result summary: >93.3%, >91.2%, F1 >0.643, reduced false memory rate, lower context usage under constrained memory

结论

大家这两年都在拼命给 AI 加长记忆。但这篇论文反过来问了一个更像现实世界的问题：当 autonomous agent 不可能永远保存所有历史时，它该忘掉什么，才能不在后续任务里一点点偏航？ 更多细节见上文分节论述。

FAQ

这篇文章主要讨论什么？ A: 围绕「让 Agent 学会忘记，为什么比让它记住更难」展开，梳理背景、关键变化与作者的核心判断。

参考资料——要点是什么？ A: 详见正文「参考资料」一节；该部分基于原文材料整理，不构成投资或法律建议。

本文是否构成投资建议？ A: 否。本文为信息整理与观点评论，具体决策请结合一手来源与专业意见。

内容更新时间：2026-06-30 作者：Dr.Jingle（X @drjingle） 证据边界：结构层 GEO 改造；事实与观点均来自原文，未新增未核验数据。

本文为作者观点与信息整理，不构成投资建议、法律意见或医疗建议。

微信公众号原文：https://mp.weixin.qq.com/s/Omakl2KfP2J9CNXUTa6koQ