Agent 记忆衰减怎么选？作者实测：ACT-R 曲线未必胜过简单 recency
memokris · reddit · 2026-10-12
作者对比了 Generative Agents 和 LangChain 时间加权检索器常用的「最近访问衰减」评分（每游戏小时 0.995 / 每小时 0.99），与认知科学架构 ACT-R 的 base-level 记忆方程：后者为每次历史使用各留一条幂律衰减的痕迹，取总和的对数。关键发现：
- 默认衰减 d=0.5 时，一次提及的「单次记忆」约 2.7 小时内领先，之后多次重复的「习惯记忆」反超；用 Twitter 数据拟合的 d=1.25–1.7 时交叉点推迟到 2–3.7 天。
- 该方程源自 Anderson & Schooler (1991) 对纽约时报标题词、儿童语料与收件箱发件人重现规律的研究。
- 但更简单的规则表现差距不大：按最近使用时间排 hashtag 只差 ACT-R 几个百分点；作为缓存淘汰策略，Anderson-Schooler 模型仅略好于随机，LFU 更接近最优。真正拉开差距的是其他输入（关注账号的 hashtag、ACT-R 的 context 项）。
作者建议：为 Agent 选衰减前先画一张图——按主题统计「隔 N 天再次出现的频率 vs 距上次出现天数」的 log-log 图，他尚未见有人发布过 assistant/agent 日志的这种图。
「编程与Agent」频道最新
- 前 Cursor DevRel 主管转投 SpaceX，斯坦福开讲常驻式主动 Agent — blaizedsouza · 2026-10-12
- 用 Claude Code 做的 Creator Yard 上线：116k MRR、67 名用户 — saheedniyi_02 · 2026-10-12
- Agentic AI 疲劳症：厂商卖未来，企业还在修当下 — DavidLinthicum · 2026-10-12
- 全程不离开 Claude 对话框：一条提示词导演出定格动画短片 — socialwithaayan · 2026-10-12
- 工程师视角拆解 Lean 形式化证明：从正则语言说起 — bibryam · 2026-10-12
- 用 Blender 桥接 Google GIS 搭对话式三维场景编辑器 — TinfoilTricorn · 2026-10-12