《More Memory, Worse Agents》研究作者发布Anti-Persistence 方法(9 个模型×任务组合)
一个错误如果被 Agent 总结成 Skill，下一次它可能会更自信地再犯一遍。
《More Memory, Worse Agents》研究的就是这种 Error Reproduction。
很多 Agent Memory 会把过去轨迹总结成规则和经验，再用于后续任务。问题在于，一旦总结本身出了偏差，错误也会跟着长期保存，并继续影响之后的决策。
作者因此提出 Anti-Persistence： 真实轨迹和结果可以长期保存，但抽象出来的规则和策略只在当前任务临时生成，用完就丢。下一次再根据新的上下文重新总结。
实验覆盖 ALFWorld、WebShop 和 ScienceWorld。Anti-Persistence 在 9 个模型×任务组合里拿到 7 个最好结果，平均成功率 59.9%，同时 LLM 调用成本最低。
长期保存，并不天然等于长期学习。我的判断是：该长期存的是事实（轨迹和结果），而不是结论（规则和策略）。结论随时可以重新算，存错了却很难发现。
做 Agent Memory 或 Skill 自进化的可以��收藏。我会先检查自己的 Memory 里存的是原始轨迹还是总结出的规则；如果是规则，至少给每条记上来源轨迹，出错时能追回去。
如果某类错误在接入 Memory 之后反而更频繁了，先怀疑的就该是那几条总结出来的规则。
📎 arxiv: