9 月提交的 arXiv 论文 2609.28771 提出了一个叫 META 的多智能体交易框架，关注点很具体：让交易智能体拥有「情景记忆」——不是事后把行情记下来检索，而是在做决策之前，先回忆相似行情下自己过去怎么应对的。框架结构很清晰（见图 1）：指标智能体族（Trend、MACD、RSI 等）并行出报告，决策智能体融合多份报告给出买卖判断，记忆模块按行情状态召回过往 episodes，最后才到执行。
关键在记忆模块的位置——它排在决策之前，而不是决策之后的审计日志。决策智能体在融合指标报告的同时，会先向记忆模块「提问」：当前这种波动率骤升、量价背离、板块轮动的市场状态，过去哪几次长得像、当时怎么处理的、结果如何？召回的 episodes 带着反思与重要性权重，被自适应地重新加权，再喂回决策。记忆在这里是一道工序，不是档案室。
把记忆放在决策之前，听着只是顺序问题，实则改写了系统的责任链。事后检索是「出了错再翻旧账」，属于兜底；决策前回忆是「动手前先想清楚上次怎么栽的」，属于预防。前者不改变这一次判断，后者直接喂进这一次判断。META 把这道工序钉在决策智能体之前，意味着模型拿到的不只是当下的指标报告，还有一段被召回、加过权重的「经验旁白」——它的推理上下文因此多了一层时间维度。
情景记忆的巧思在于「按行情状态挑该回忆什么」（见图 2）。不同市场 regime 下，该记的东西不一样：震荡市里重要的是区间边界与假突破，趋势市里重要的是回踩确认与止损位，消息面空窗时历史形态权重更高。META 用「带结果的市场状态 + 嵌入 + 反思」组织 episode 库，相似状态被召回并标注重权重，决策修正的置信度随之上升、延迟下降。所谓「盘感」，在框架里被翻译成了一次带权重的回忆。
把 META 放进「智能体 + 量化」这条线看，意义在把记忆从通用检索拽回到决策闭环里。以往给交易智能体接记忆，常见做法是把历史行情与新闻向量化后做相似检索，决策时再拼进去；META 的区别是记忆的召回与重加权由当前行情状态驱动，且发生在决策前。这让「该记什么」随市场 regime 动态调整，而不是固定一套嵌入距离。
对量化团队，META 的启示不在「又多了一个记忆模块」，而在「记忆的触发时机」。很多量化智能体已经有行情数据库、因子库、新闻库，但它们大多在决策时被动拼接，很少在决策前主动「按当前市场状态回忆」。把记忆前置于决策，相当于给模型装了一层「情景直觉」——同样的技术思路，放到风控、排程、运维这类也讲「类似情况类似处理」的场景，同样成立。记忆的价值，往往不在存了多少，而在被调用的时机对不对。
照例留一分清醒：META 是学术论文框架，回测与仿真结果来自论文口径，真实市场里的滑点、流动性与黑天鹅能否复现尚待验证；「情景记忆按状态召回」在极端行情（样本外 regime）下是否反而放大过拟合，目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。但对工程团队的可操作启示明确：如果你的智能体在相似情境下反复给出不稳定的判断，与其加特征，不如先给它一个「按当前状态回忆过往应对」的记忆前道工序——决策之前先想想「上次这样是怎么收场的」。对工程团队而言，记忆前置于决策这一刀，比堆叠更多特征往往更划算：相似情境下反复误判，常常不是因为信息不够，而是因为系统从没在动手前认真回想「上次这样是怎么收场的」。