工具调用智能体和执行任务的机器人,常会重复已经失败过的做法,也会把「自己觉得成功了」的回合当真去学习。这篇 2026 年 11 月 15 日出现在 arXiv 的论文,针对这两点,描述了一套面向生产智能体平台的记忆:每次运行记成情景,只有外部检查、测试、工具结果或人确认的结果才计入学习,智能体自己的宣称一律不算。

矩阵负责查找,记录负责顺序

从情景中学到的内容分成两块。一块是用 delta rule 写入的联想矩阵,用来在给定情境下找出该用哪套程序;另一块是有序、可寻址的步骤记录,回答「这一步之后是什么」。文中把一步定义为智能体的目标,而不是运动。矩阵把联想累加,因此不保留顺序,也无法单独返回或删除某一条联想,它只当查找器。顺序、结果计数和删除都放在步骤记录里。论文还描述了执行结果如何存储、情景如何被召回并用于解题,以及记忆的文件格式。给定材料没有展开这些实现,这里不补细节。

自报完成和真实解决不是一回事

仿真里,一台靠自己判断成功、觉得做完就停的机器人,报告 96% 的任务已完成,实际只解决了 35%;加上外部验证后,解决率到 79%。在 10 万条合成情景、磁盘占用 457MB 的存储上,最旧情景仍能被首先找到,也不会返回来自另一人记忆的情景。摘要在「仅由模型担保的成功从未」处截断,不能把未写出的结论补全。已经给出的数字足以说明:没有外部核对时,完成率会被明显高估。

我的判断

这套方法把「谁有权宣布成功」从模型内部挪走,并用矩阵加记录拆开检索与顺序,职责清楚,也解释了累加联想为什么不能兼管删除和先后。对正在给工具智能体或机器人做记忆模块的人,外部验证门槛和两段式结构都值得对照。局限同样具体:材料主要是仿真与合成数据,看不到真实工具链上的代价;摘要不完整,规模实验的其余结论不宜外推。适合当架构草案读,而不是可直接落地的完整方案。