论文：agent 记忆越多反而越差，Anti-Persistence 用后即弃更省钱
IUB · hf · 2026-10-21
印第安纳大学与腾讯 HY 合作的论文指出 LLM agent 外部记忆的一个隐性问题：存储的抽象规则/技能一旦出错，会通过「抽象→执行→再抽象」的循环不断再生成原始错误，作者称之为 error reproduction，错误的生命周期比直接复用坏知识更持久。
提出的 Anti-Persistence 记忆设计：
- 持续积累轨迹与结果，但不长期保留从中合成的指导规则
- 自适应选择器按需重建任务特定指导，用后即丢弃，防止其被当作存储对象直接复用（保留轨迹仍可提供间接反馈）
- 在多个 benchmark 和多个底座模型上，取得更高的 held-out 成功率和所有评估记忆设计中最低的平均 LLM 调用成本
核心主张：记忆系统应把「经验积累」与「抽象持久化」分开——存轨迹，别存结论。
「编程与Agent」频道最新
- Pinekin 将开源:批量同步各 Agent Harness 的对话上下文 — yangyi · 2026-10-21
- NUS 等提出 CoEvo-RSI：解决自进化智能体的脑体失配问题 — Jiaqi Su · 2026-10-21
- 开源 Hermes 视频工具链：一条命令让 Agent 从需求到成品 MP4 — Teknium · 2026-10-21
- Zed 实测 25 种 MCP 工具搜索方案,最终只用加权 BM25 — jobergum · 2026-10-21
- Bindu Reddy：Gemini Argon 擅长当「视频导演」，可指挥 SeeDance 等模型 — bindureddy · 2026-10-21
- OmniGraph 开源：给 AI Agent 记忆装上 Git 式分支与合并 — techNmak · 2026-10-21