11 月 10 日提交的 arXiv 2611.14320 提出一个失败类型，叫记忆诱发退化。论文由 Yukyeong Lee、Yumin Choi、Jinheon Baek 与 Sung Ju Hwang 四人署名，来自 KAIST 与 DeepAuto.ai，投在 ACL Rolling Review，仍在评审中。外部记忆的通常做法是把过往轨迹蒸馏成几条简明经验，新任务开局先读一遍；作者指出，这些经验只从标注了成功或失败的轨迹推出来，交付时不带原始轨迹，智能体无从核对，于是在本来不带记忆也能解的任务上失败。
失败原因是跟着一条错误经验走，或者误用、误读了一条本来正确的经验。WikiTrace 给每条经验挂上证据链，洞见链接到这条轨迹为何成功或失败的摘要，以及原始轨迹本身。新任务开局时智能体拿到全部洞见，一旦某条缺行动所需细节、与另一条冲突、或者来自失败任务，就沿链接用终端工具下钻，补齐细节或纠正洞见，然后才动手。
摘要只写在五个智能体基准上持续优于已有记忆方法与只给同样洞见的基线，没有列具体分数。公开流传的一组读数出自 DAIR.AI 11 月 11 日的转述，平均比无记忆智能体高 10.7 分，比只给同样洞见的基线高 3.2 分，原本可解任务的失败率从 6.5% 降到 4.5%，涉及 ALFWorld 等五套基准。这组数字属于第三方转述，摘要里查不到。
站内 2145 号记的是另一半。那篇用 256 个场景、11 款模型、90084 次响应测出，好工具随机失败一次后按 ReasoningBank 写下的经验，会让模型选到更差工具的比例升到 11.6%，中性提示下只有 0.4%。它回答坏经验怎么进到记忆里，WikiTrace 回答经验进来之后怎么复核。两者都不改权重，也不改任务输入，改的是记忆条目的形态。
代价与边界也该摆出来。下钻要额外调用终端工具，摘要没有给这部分词元与时延开销；洞见相互冲突时按什么优先级纠正，摘要未展开；五个基准上的退化收敛能否迁移到更长程任务，同样没有数据。6.5% 到 4.5% 对应的是本来能做对的题被自己的记忆带偏。