记忆错在检索之前：agent 个人记忆的三种坏法

带记忆的 agent 答错了，锅该谁背？常见做法是看最终答案对不对，错了就怪模型或怪记忆库，但答案错误可能只是症状。10 月 7 日放榜的论文（arXiv 2610.10265，作者 Haonan Deng 与 Park Sinchaisri）把测量点前移到生成之前，给个人记忆系统画了张精确的病理图：错误在检索发生之前就已经埋下了。

三种坏法

第一类是过期：检索到已被覆盖的旧值。不做更新消解时，70.3% 的提示会暴露一个被取代的旧事实；而只服务正确键位上的活跃值，过期暴露可以清零。第二类是错归属：取到关于别人的事实，同名参与者最难缠。实体后验过滤在受控数据上能压下同名错归属，但在 LoCoMo 这种同姓名说话人共存的语料里无能为力，身份消解没有银弹。第三类是迟到：取对了但服务太慢，提示预填主导回合延迟，连冻结模型的延迟都要纳入评测。

瓶颈定位

方法上，论文用个人事实记忆（PFM）当参照层，在受控修订基准、LongMemEval 与 LoCoMo 三处测试。结论对工程最有价值的一条是瓶颈定位：检索不是问题，参与者感知的 BM25 与参考排序器的差距在预设的 0.02 以内；键位分配才是真瓶颈，开放域合并召回在 LongMemEval 上从不超过 0.062。漏合并让旧值一直活着，过期源源不断；误合并把现值清掉，该记得的反而没了。两难也摆在桌面：LLM 分键器键位召回更高但干净检索率更低，规则提取器正好相反，怎么选要看业务更怕哪一种错。两个冻结 LLM 会把提示里的错误原样复现进生成文本，证明生成前的脏数据不会被模型自动洗掉。

评测该分四层

作者的处方值得抄进内部评测：把记忆评测拆成存储状态有效性、身份消解、拒答能力和服务延迟四层，分开量分开报。这与我们此前介绍的 DSV-Mem（状态演化是主导难度因子）互相印证：记忆系统的病大多不在语义理解，在状态管理与身份绑定这些数据库时代的经典问题。给做记忆系统的团队三条实操：更新消解与活跃值服务先行，能消灭最大头的过期暴露；键位分配上双路并行，规则保底、LLM 提召回，再用合并校验兜住两种错；同名人场景单独立测，别让平均分掩盖身份灾难。论文未附代码仓库，方法描述可照搭内测。