长程网页智能体要在真实网站上连轴转：查信息、点按钮、填表单，一趟任务下来交互历史很容易超过上下文窗口。要让它可靠，得记住事实、记住报错和环境的纠正反馈、记住自己做到哪了。现有做法大致两类：要么用固定大小的「覆盖式」记忆，靠反复重写来腾地方；要么周期性做摘要。可这两类都有同一个坑——关键东西会被悄悄丢掉。尤其当任务跨几十步、跑上十分钟级别，记忆一旦在中间漏掉一条纠正信号，后半程就可能沿着错误前提一路错下去。10 月 5 日挂出 arXiv 的 AMBER（编号 2610.07118）盯的就是这个坑。
覆盖式记忆的隐患：把纠错反馈写没了
作者指出，覆盖式记忆理论上什么都能留，因为它可以覆盖掉任何旧内容；但要做到这点，它得在每一次重写时，把每条该留的事实都「带过」下一版。在稀疏的结果奖励下，这件事很难学会。实践中，它会把轨迹里那些关键信息，尤其是环境给的「刚才这步错了、该这么改」的纠正反馈，给写丢。一旦反馈没了，agent 下一轮就学不会「刚才哪里错」，同样的坑会再踩一遍。这恰好解释了为什么很多长程网页 agent 在后期任务上表现不稳。
只追加：从构造上保证留得住
AMBER 的全名是 Append-only Memory Bank for Evidence Retention（只追加的证据留存记忆库）。思路朴素但干脆：让智能体在推理、行动的同时，联合学会写自由格式的记忆，而「只追加」这条规则从构造上保证留存——新记忆永远接在后面，不会被后续重写抹掉。这样它就不需要去学「怎么把每条事实带过每次重写」，可以端到端用结果奖励的强化学习来训练，不必依赖大量精标的数据。等于把记忆的可靠性，从「学出来的本事」变成了「规则保证的性质」。
在 WebArena Lite 上的三项提升
实测放在 WebArena Lite 上。相比覆盖式记忆，AMBER 平均成功率高出 4.09 个百分点；在五次重复跑里，能稳定解出的任务比例高出 4.8 个百分点；更关键的是，它追平了一个用更贵精标监督训练的覆盖式基线——也就是说，靠「只追加」这个写法，它用更省的训练成本拿到了差不多的效果，同时还守住了实用的 token 预算。这对长程任务很要紧：记忆不能为了可靠就把上下文撑爆。
记忆这条线，本站最近看得越来越清
把 AMBER 放回近期记忆相关研究里，它的独特贡献是「写法比记多少更关键」。本站此前覆盖过 MemFit（免 LLM 写入、近即时插入、靠多路检索提效），也覆盖过 sno-station（编码 agent 的共享加密记忆加交叉互审）。三者合起来看，记忆正在从「怎么把东西塞进去」走向「怎么写对方式、怎么跨 agent 可信复用」：MemFit 管写入成本，sno-station 管跨 agent 的可信共享，AMBER 管长程轨迹里的反馈不丢。对做网页智能体的团队，这篇的提醒很具体：别只盯记忆容量，先想清楚「纠错反馈被覆盖」这件事——它往往是长程任务后期翻车的隐形元凶。这种从「怎么把东西塞进去」到「怎么写对方式」的转向，正是今年记忆研究里最实在的进展。当然，AMBER 目前只在 WebArena Lite 这类受控环境验证，真实网站的动态变化会不会带来别的丢失模式，仍要等更广的复验。
AMBER 给的启示其实一句话就能说清：记忆的可靠性，很多时候不取决于你记了多少，而取决于你有没有把那条「刚才错了」的反馈，稳稳地留在后面。