四篇论文同日围剿智能体记忆层：写入的税、删不掉的影子

10 月 21 到 22 日这两天，arXiv 上几乎同时挂出四篇关于智能体记忆的论文，各自盯住记忆生命周期的一段，凑在一起读颇有联合体检的味道。四篇的结论拼起来相当不客气：记忆层的收益宣称，在写入、使用、删除、有效性四个环节上都遭遇了实证挑战。

写入环节的当头一棒来自 Raw-RAG（编号 2610.30755，西安交通大学团队，六位作者）。这篇的标题就把立场亮明了——复杂的智能体记忆真的一直有必要吗？它的基线朴素到近乎挑衅：拿稠密检索加重排，直接在原始对话历史里翻证据。结果在 LoCoMo、LongMemEval、MEME、MemoryAgentBench 四个基准上，这个「裸基线」在七组基准-模型组合里六组居首，超最进取的智能体记忆系统 0.13 到 5.53 分。原因藏在证据分析里：原始历史对必要证据的覆盖面，足以抵消利用率上的短板——有用的证据既包括答案本身，也包括推导答案需要的关系与依赖路径，而记忆层改写历史时难免丢掉后者。更狠的一条对照：即便把改写后的存储全部开放给模型，准确率仍与原始证据有一道跨不过去的差。 使用环节的补刀来自 MemPABench（编号 2610.30485，四位作者）：它不考「记没记住事实」，考「记没记住用户想被怎样对待」。四个模拟用户、14 条交互偏好、四个月 99 个会话，中途每人经历五次偏好变更。结果 Mem0、MemOS 这类检索式记忆与简单 RAG 一道，成绩不比完全没有记忆强多少；文件式记忆虽有提升，却会把偏好用到不相干的场合。最扎心的一条：正确的偏好就摆在上下文里，智能体依然难以覆盖自己的默认交互习惯。

删除环节的风险由 AfterDeleteBench（编号 2610.31366，五位作者）揭示：删掉原始记忆记录，不等于信息消失。在受控实验里，单次提问就能以约三分之二的概率从 Qwen2.5-7B 上复原已删除的秘密，而从未接触过秘密的对照组复原率为零；即便不留任何逐字副本，只留按公开组成规则拆开的碎片，Qwen、Mistral、Phi-3 三家的精确重建率仍有 62% 到 99%（合成秘密、小模型受控测试，不能直接折算成生产环境泄露率）。实测中能把复原压到零的方案是溯源闭包——删除记录时连带清掉由它派生的一切。有效性环节则是治理态污染研究（编号 2610.30698，四位作者）：不动存储内容，只篡改「哪些记录算数」的控制状态，2080 组对照里 96.25% 的投影被改变，LongMemEval 二元正确率的干净减污染差距达 40.54 个百分点（区间 30.32 到 50.71）；有 oracle 执法介入可 100% 恢复。一句话：一个没人查的有效性标志，比一个弱检索器更伤。 把四篇连起来读，增量认知其实是一条：记忆层在写入时就得替未来的问题下注，猜错的部分就是「写入猜测税」；这笔税之外，还有删除残留和控制面失控两道暗礁。这与 1941 期写过的持久记忆祛魅一脉相承——那篇查的是记忆层架构收益的测量方法，本轮四篇则把矛头对准了记忆生命周期本身。对记忆厂商来说，坏消息是裸基线不花钱；好消息是路线图也算给出来了：少猜、溯源、给有效性标志配上执法。局限照旧：四篇均为论文自报，结论多限定在对话类任务，执行场景是否同样成立，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。