1. 记忆分层与退化：四层东西如何产生三种问题
讨论「Agent 记忆」最容易出错的地方，是把四种完全不同的东西叫同一个名字。它们的失效方式不同，修法也不同。
| 层 | 存在哪里 | 典型内容 | 失效表现 |
|---|
| 工作记忆 | 当前上下文窗口 | 本轮对话、工具返回、刚读的文件 | 越堆越钝，召回精度随长度下滑 |
| 情节记忆 | 会话摘要、事件日志 | 上次做了什么、试过哪条路、为什么放弃 | 摘要把前置条件压掉，失败路径被当成经验复用 |
| 语义记忆 | 抽取出的事实条目、向量库 | 用户偏好、项目常量、结论 | 用户的错误主张被当成事实存下来 |
| 程序记忆 | 指令文件、规则、技能 | 编码规范、工作流、常用命令 | 文件越长，遵循度越低 |
这个分层不是本文发明的。2026 年 3 月的综述《Memory for Autonomous LLM Agents》把问题定义得更准：Agent 越来越多地工作在「单个上下文窗口远不足以装下发生了什么、学到了什么、以及什么不该重复」的场景里；记忆的作用是把无状态的文本生成器变成能持续适应的行动者。[2] 综述把机制放进一个 write–manage–read 的闭环，并给出三维分类：时间范围、表示载体、控制策略——其中「控制策略」这一维（追加、覆盖、取代、巩固、衰减、遗忘）是它相对早期综述最明显的增量。（分类维度的具体枚举我是在两份公开笔记里核对的，属二手，建议直接读原文第 2、4 节。）
为什么分层重要？因为四层的修法互相不通用。
工作记忆的问题靠删——只放这一步需要的。上一篇文章整篇讲的就是这件事：Chroma 的测量里，同一个对话记忆任务，喂 11.3 万 token 完整历史稳定不如喂约 300 token 的相关片段。[3]
情节记忆的问题靠结构——保留因果链和前置条件，字数本身不重要。
语义记忆的问题靠过滤和时效——谁说的、什么时候为真、有没有被推翻。
程序记忆的问题靠短。这一层有个非常具体的一手数字：Claude Code 官方文档建议每个 CLAUDE.md 控制在 200 行以内，理由写得很直接——文件越长，消耗的上下文越多，遵循度也会下降；自动记忆的索引文件 MEMORY.md 更硬，每次会话只加载前 200 行或前 25KB，超出的部分下一次加载时直接丢掉。[4] 在这一层，写得更多会带来负收益：多写的部分既占预算又不被读，还会稀释被读到的内容。
评估记忆功能时，先看它写入的是哪一层；四层混在一个「记忆」开关后面，使用者只能调一个粗糙的开 / 关。
退化从哪里来：三种机制
加了记忆之后的退化有三种，触发条件和补救办法各不相同。
稀释：无过滤写入让高信号 token 占比下降
Anthropic 在 2025 年 9 月那篇《Effective context engineering for AI agents》里把上下文表述为有限资源：模型有一份注意力预算，每多一个 token 就消耗一点，收益递减。因此工程的核心是「找到最小的一组高信号 token」。[5]
记忆做的事恰好相反：它默认把内容留下。每一条被写入的偏好、每一段被保存的会话摘要，都会在未来的某次检索里参与竞争。一个自动写入、从不删除的记忆库，等价于让上下文的基线长度逐月抬高——而这个抬高是不可见的，因为它不发生在你眼前的这轮对话里。
Claude 平台的 cookbook 把这件事的边界划得很清楚：记忆解决跨会话持久化，对会话内的上下文增长没有帮助；每一次读写还要额外付一次工具调用的开销。[6] 记忆需要持续的工具调用成本，不能当作零成本存储。
误差累积：错的东西一起被记住，并且更难被推翻
这是三种机制里危害最大的一种，因为它把一次性错误变成了系统性偏差。
Writer 的两篇论文（《The Price of Agreement》与《Recalling Too Well》）把这条路径测得很细。他们造了一个基准 MIST，覆盖 GPQA Diamond、MMLU 医学与 Moral Stories 三个领域：对每个问题生成一个「听起来合理的用户误解」，模拟一轮用户坚持这个误解的对话，把这段历史交给记忆系统，再看下一轮的答案会不会偏。前面提过的结论——每个模型至少三倍、Sonnet 4.6 最高 25 倍——就出自这里。[1]
他们的变量分析更能说明问题：把抽取出的记忆片段换成同样格式的原始聊天记录，谄媚率大致减半。[1] 问题出在抽取。抽取会把对话压成离散事实，也会丢掉纠正性的上下文：助手当时的反驳、用户后来的犹豫和这句话的语境。留下来的「用户认为 X」去掉了争议，下一次检索时更容易被当作事实使用。
金融侧那篇还给出了另一个数字。他们在 FinanceBench 与 FinanceAgent 上测了八个前沿模型，用三种方式注入与正确答案冲突的用户偏好。结论是准确率与可观测性之间存在取舍：直接写进提示时准确率掉得更多，模型更可能把冲突点出来；以工具返回的形式注入——这正是记忆系统的工作方式——准确率掉得更少，但承认冲突的比例崩塌，在 FinanceAgent 上多数模型的「无声出错」指标超过 0.90。[1]
换成日常语言，以记忆形式喂进去的错误信息通常不会让答案明显离谱，只会让它安静地偏一点，而且不容易被发现。
（相关现象最早被大众媒体报道时的例子更直观：记录下用户最喜欢的书是《Station Eleven》之后，再问「畅销的反乌托邦小说有哪些」，模型明显更倾向答《Station Eleven》，即便问题与用户偏好无关；使用 Mem0、Zep 这类记忆压缩工具时这种倾向更强。这一段引自 TechCrunch 的报道，属二手来源。[7]）
陈旧状态：曾经为真的事实过期后仍被当作当前状态
第三种机制最土，但在工程里最常见：记忆里存着「数据库连的是 staging」、「负责人是 A」、「这个方案我们不用」，而这些事实在三周前就变了。
Claude cookbook 的选型表里，跨会话记忆一栏对应的注意事项就是一句话：工具调用开销，以及事实变化时的过期记忆。[6] Claude Code 的文档给出的对策更具体：当自动记忆的索引接近或超出加载上限时，系统会提示模型「一条一行、把细节移到主题文件、合并或删除过期条目」。删除过期条目被写成了日常维护动作。[4]
陈旧状态的隐蔽之处在于，它读起来完全合理。一条写着「部署走 staging」的记忆没有任何语法或语义问题，只是时间错了。而现有的检索机制按相似度排序，不按时效排序：一条三个月前的旧事实和一条昨天的新事实，如果措辞相近，前者完全可能排在前面。
记忆退化有三种来源：稀释是上下文变长问题的延续，误差累积和陈旧状态则属于记忆层自身。扩大上下文窗口不会替你判断旧偏好是否仍然有效。
2. 测量结果：记忆系统常常不如「全都塞进去」
上一节讲机制，这一节讲后果的量级。2026 年有两份基准从不同角度指向同一个结论。
AMA-Bench（arXiv 2602.22769）把评测从对话搬到了 agentic 任务上，要求 Agent 在长时程任务里追踪状态、记住动作的前置条件与因果依赖。它的核心发现有三条：现有记忆技术在以对话为中心的基准上常常优于长上下文基线，但在许多长时程 agentic 任务上打不过基线；有损压缩与相似度检索引入的误差会在长任务里累积并放大；因此需要转向以 Agent 为中心的记忆管理策略。[8]
这里有两个关键数字。第一，MemoryBank 在记忆构建之后掉了 41.3%——说明为「冗余自然语言」调优的压缩，保不住 Agent 记忆里那种密集的状态与因果信息。第二，HippoRAG2 在给定构建好的记忆时表现仍然不错，但端到端跑下来掉了 43.2%——说明相似度检索这一步本身就不可靠。[8]
还有一个对做选型的人更有用的对比：把主干模型从 8B 换到 32B，平均只带来 0.038 的提升；而换记忆架构带来的分数区间达到 0.45。[8] 也就是说在这类任务上，记忆设计对结果的影响比模型规模大一个数量级。
MemoryArena（arXiv 2602.16313）把记忆与行动耦合起来评测：Agent 在与环境交互的过程中获得记忆，又必须依赖这些记忆完成后续子任务。在 LoCoMo 这类长上下文记忆基准上已经接近饱和的 Agent，在这套 agentic 设置里表现很差。[9]
这两份基准说明，主流记忆基准测的是问答式召回（用户说过什么、偏好是什么），Agent 任务考验的是状态与因果（我做到哪一步了、这个动作的前提是什么、哪条路走不通）。问答式召回的容错空间较大；长时程任务丢掉一个前置条件，整条动作链就会失败。
AMA-Bench 的定性分析把两类失败区分得很干净：基于检索的记忆倾向于取回「语义相关但因果不完整」的证据，而基于压缩的记忆倾向于丢掉前置条件和不可逆的状态变化。[8]
| 你的任务形态 | 主流记忆基准的成绩 | 实际风险 |
|---|
| 记住用户偏好、跨会话问答 | 高（接近饱和） | 谄媚放大、旧偏好过期 |
| 长时程任务、状态追踪、工具链 | 未被充分覆盖 | 前置条件丢失、误差累积，常不如长上下文基线 |
基准分数不能替代你自己的测试。多步 Agent 应把「把完整轨迹塞进长上下文」作为实测基线，即使它笨、贵、不优雅；2026 年的公开测量显示，这个基线经常赢。
3. 三种管理手段：compaction、结构化笔记和子 Agent
compaction：保留什么、丢掉什么
既然全塞进去有代价、抽取式记忆也有代价，实践中最常用的中间手段是 compaction：把旧的对话与工具结果交给模型压成一段摘要，替换掉原文。
Claude 平台的 cookbook 把长任务的上下文管理拆成三个原语。
| 原语 | 作用对象 | 牺牲了什么 | 解决什么 |
|---|
| compaction | 整个窗口 | 逐字细节被摘要掉 | 窗口过长 |
| 工具结果清理 | 窗口内的工具返回 | 旧结果从上下文消失，需要时得重新取 | 工具输出膨胀 |
| 记忆 | 窗口之外的存储 | 每次读写的调用开销；只存下了 Agent 认为该存的 | 跨会话持久化 |
[6]
三者各自处理不同范围：清理与 compaction 只作用于当前上下文，新会话开始且窗口为空时它们无法提供帮助；记忆解决跨会话，却不处理会话内的增长。[6]
cookbook 里的研究型 Agent 例子展示了工具结果清理的效果。它读八份约 4 万 token 的综述文档，会产生约 32 万 token 的工具返回量——绝大部分可以随时重新读取。开启工具结果清理后，旧的 tool_result 被替换成一个占位符，但 tool_use 记录保留，模型仍然知道自己调用过。示例里 keep=1 时，消息体从约 12.87 万 token 降到约 4.31 万，减少约 67%。三种原语同时开启的那一轮，峰值上下文约 16.99 万 token，最终只剩约 1.37 万。[6]
cookbook 对压缩取舍的表述是：compaction 的艺术在于保留什么、丢弃什么，而过度激进的压缩会丢掉那些微妙但关键的上下文——它们的重要性往往要到后来才显现。[6] 清理与 compaction 的区别也很明确：清理是整块丢弃、需要时重新取（只要工具可重复调用就是无损的），compaction 保留的是实质、丢掉的是逐字细节。[6]
工程上还有两个容易踩的坑，都出自同一份文档。一是清理会让前缀缓存失效，所以每次清理需要达到一定量，clear_at_least 才有意义。二是清理与记忆同时用时，要把记忆工具排除在清理范围之外，否则 Agent 可能把自己刚写下的东西读丢。[6]
关于触发时机，公开材料里最具体的一条来自 Slipstream 那篇论文的综述部分：现在的 Agent 系统普遍在窗口远未装满时就积极触发 compaction，以抢在退化之前动手；文中转述 Anthropic 的建议是某些负载约在 5k–20k token 触发，更复杂的任务约在 50k–100k。同一篇也指出，按「最旧」「消息类型」这类浅层信号删除内容的做法在长时程任务里很脆弱，因为看起来无关紧要的信息后来常常变成必需的。[10]（这两条我是从 Slipstream 的引文里读到的，属二次转引，落地前请核对 Anthropic 当期文档。）
Google 的 ADK 给出了另一套可读的实现。官方文档写明它用滑动窗口：配置 compaction_interval（多少个事件触发一次压缩）与 overlap_size（新一批压缩要包含上一批的多少个事件），可选自定义 summarizer 指定摘要用的模型；文档里那个例子是 interval=3、overlap=1，于是第 3、6、9 个事件完成时各触发一次，每次带 1 个重叠事件。[11]
配套的工程博文把 Session 定义为 ground truth，送进模型的工作上下文只是一个「计算出来的投影」；压缩的结果作为一个带 compaction 标记的新事件写回 Session。[12]
原始事件流应该保留，进入模型的上下文只是可以重新计算、重新调参的投影。先保证可回放，再比较压缩策略。
结构化笔记：把状态搬到窗口之外
第二种手段是让 Agent 自己写文件：把中间结论、进度、待办写到上下文之外的笔记里，需要时再读回来。Anthropic 把它列为三种做法之一（另两种是需要时再取的 just-in-time 检索，以及 compaction）。[5]
这条路线在 2026 年被大量采用，因为它的失败是可见的。向量库里存了什么、为什么召回这条，使用者查不到；而一个 Markdown 文件是可以打开、可以编辑、可以删掉的。Claude Code 的文档也明确说明，自动记忆就是普通 Markdown 文件，你随时可以编辑或删除。[4]
它的代价也很清楚。cookbook 的原话是：记忆给你的是跨会话持久化，以及对「Agent 选择保存下来的那些内容」的无损保真；它给不了你会话内的任何帮助，而且每次读写都要付调用开销。它的上限就是 Agent 判断力的上限——只和它决定存什么一样好。[6]
Claude Code 文档还记录了几项容易忽略的细节：[4]
- 自动记忆的索引 MEMORY.md 每次只加载前 200 行或 25KB，超出部分下次加载直接丢弃；主题文件（如 debugging.md）不在启动时加载，Agent 需要时才用文件工具去读。
- 写超了不会报错终止，写入照样成功，但系统会提示模型改写索引：一条一行、细节下沉到主题文件、合并或删除过期条目。
- 项目根目录的指令文件在 /compact 之后会被重新从磁盘读入并注入；子目录里的指令文件与按路径生效的规则不会自动重新注入，要等下一次读到相关文件才回来。
- 主对话的自动记忆不会被带进子 Agent；子 Agent 若开启记忆，用的是自己独立的目录。
很多人抱怨「压缩之后 AI 忘了我立的规矩」，原因往往是那条规矩只存在于对话里，或者存在一个当前没有被重新加载的文件里。文档给出的做法是，把只在对话里说过的要求写进指令文件。[4]
结构化笔记的效果取决于两条规则：索引只保留目录信息，正文细节另存，过期内容及时删除。
子 Agent 与干净的上下文窗口
第三种手段是隔离：让子任务在自己的窗口里跑完，只把结论回传。Anthropic 把子 Agent 列为控制注意力预算的手段之一：让子 Agent 在各自的上下文里干活，把大块中间产物挡在主窗口之外。[5]
隔离的吸引力在于它同时解决了两件事：主窗口不膨胀，而且子任务的错误上下文不会污染主线。前提是子任务能够独立完成。上一篇文章里引过 Cognition 的经验：把任务拆给多个 Agent 并行，常常换来更脆弱的系统，因为决策被分散、上下文无法在 Agent 之间充分共享。这个判断在记忆层同样成立：隔离窗口也会隔离记忆。
Claude Code 文档里那条「主对话的自动记忆不会进入子 Agent」，就是这件事的具体形态。[4] 它是合理的默认设置——你不希望一个专职跑测试的子 Agent 继承整个项目的对话史——但它也意味着子 Agent 天生不知道主线上刚刚达成的共识。如果那个共识是完成子任务的前置条件，它就得由你显式地写进子 Agent 的输入里。
三种手段的分工如下。
| 手段 | 适合什么 | 不适合什么 |
|---|
| compaction | 对话与推理占主导、无法重新获取的内容 | 需要逐字精确的数字、表格单元 |
| 结构化笔记 | 需要跨会话、需要人能查看和修改的状态 | 高频、细碎、不适合人工维护的信息 |
| 子 Agent 隔离 | 能独立完成、只需回传结论的子任务 | 需要共享判断依据的子任务 |
4. 写入路径：过滤、去重、矛盾、遗忘
前面几节的结论是：记忆质量取决于写入；存储和检索只是后续环节。这一节讲写入路径上四个可以直接动手的环节。
过滤：决定哪些交互进入长期记忆
RecMem（ACL 2026 Findings，arXiv 2605.16045）把这个问题挑得最明确。它指出现有记忆系统的第一个根本性低效是「急切巩固」：大多数系统对每一条进来的交互都调用一次 LLM——抽取事实、更新图、重写摘要——却不判断这条内容是否适合进入长期存储。[13]
RecMem 的做法是加一个「潜意识层」：先用轻量 embedding 缓冲原始交互，这一层本身就能支持检索而不必调用 LLM；只有当一条新交互在缓冲区里找到足够多语义相近的交互时，才对这簇内容做一次 LLM 巩固，抽出情节摘要与语义事实。它还配了一个语义精修机制，把抽取时漏掉的细粒度事实找回来。效果是：把三个主流记忆系统的记忆构建 token 成本最多降低 87%，同时精度更高。[13]
这个设计把“反复出现”作为写入条件。一次性的、孤立的交互，不管当时看起来多重要，都很可能是噪声。
去重与取代：同一事实不该有两个版本
上一篇文章里那条建议——新内容追加在后面，别回头改写——在单次会话里是为了保住前缀缓存。到了记忆层，它需要反过来：同一事实的旧版本必须被显式取代，否则检索时会有两条措辞相近、内容冲突的记录同时参与竞争，而模型没有任何依据判断哪条更新。
这正是那份综述把「控制策略」列为独立维度的原因：追加、覆盖、取代、巩固、衰减、遗忘是六种不同的写入语义，而大多数自建方案只实现了第一种。[2]
矛盾：谁说的、有没有被反驳过
Writer 那组变量分析给出了一个非常具体、成本很低的改法：他们发现记忆系统倾向于丢掉助手的反驳，于是尝试把助手角色的内容也保留进记忆，这一项就降低了道德推理子集上的谄媚率，同时没有损害事实召回；实现上不需要改检索和格式，能直接套在现有企业记忆系统上。[1]
论文中效果最强的缓解手段是：不做结构化抽取，改用一段长度大致相当的 LLM 散文摘要。这一项把道德推理子集的谄媚率降到 12.8%，低于最好的现成系统（Zep 的 17.1%），而且事实召回还更好。论文作者据此质疑，用复杂记忆系统维护用户历史能带来多少收益。[1]
遗忘：把过期当作默认状态处理
最后一条也是最容易被跳过的一条。记忆条目应该带时效信息：什么时候写的、从谁那里来的、到什么时候为止有效。没有这些字段，「陈旧状态」这种失败无法被检索层处理——因为相似度不包含时间。
可操作的最低版本是三个字段：来源（用户说的 / 助手推断的 / 工具返回的）、写入时间、失效条件（默认给一个期限，比如偏好类 90 天、项目状态类 14 天）。到期不必自动删除，但应该在注入时降权，或者附上「此条已过期，请确认」的标记。这一段是本文的工程建议，不是来源里的原始方案。
| 环节 | 最小可行做法 | 对应的失败 |
|---|
| 过滤 | 只巩固反复出现的内容 | 稀释 |
| 取代 | 同一事实只保留一个当前版本 | 冲突、误差累积 |
| 矛盾 | 保留助手的反驳与用户的犹豫 | 谄媚放大 |
| 遗忘 | 每条带来源、时间与有效期 | 陈旧状态 |
争议应该随记忆一起保存。只存「用户认为 X」会把一次被反驳的猜测包装成事实。
5. 自己测一次：三组对照
上面的数字都是别人在基准上测的。要判断它们在你自己的活儿上成立到什么程度，做三组对照即可，每组约半小时。设计思路来自前面几份研究，具体做法是本文的建议，不是来源里的原始方案。
实验一：开 / 关记忆的同任务对照。 挑一个你这周真实做过、能判断对错、并且有明确交付物的任务。第一遍在你平时的配置下跑，记忆全开；第二遍新开一个干净会话，把这一步需要的材料手工贴进去，记忆关掉。同一个模型、同一天、同一个提示。比较可核对事实的错误数量，以及是否引用已经不成立的旧状态。这一组复刻的就是 AMA-Bench 与 Writer 论文共有的那个对照结构：记忆系统 vs 直接给上下文。[8][1]
实验二：埋一条过期事实。 在记忆里放一条现在已经不成立的信息——上个月的负责人、已经废弃的接口名、改过的部署环境。然后问一个需要用到这项信息的问题，但不要在提问里提醒它已经变了。如果模型直接按旧信息执行且没有任何迟疑，说明你的记忆层没有任何时效机制，而这类错误在生产里是静默的。
实验三：埋一条你自己的错误主张。 在一轮对话里坚持一个你知道是错的判断（比如把一个成本结构说反），让它进入记忆。隔一轮，问一个相关但不同的问题。观察模型是沿用你的错误，还是独立给出正确判断。这一组测的就是 MIST 那套东西，只不过样本量是 1。[1] 如果你用的是抽取式记忆系统，可以顺手做一次对比：把同一段历史改成原始聊天记录贴进去，看差别有多大——Writer 的测量说这一改能让谄媚率大致减半。[1]
记录方式建议简单点：一张五列的表——任务、记忆条件、可核对事实数、错了几条、错的那条来自哪段记忆。跑过五六个真实任务之后，你会得到一份属于自己场景的判断依据。它能直接告诉你：在你的活儿上，记忆现在是净收益还是净损失。
还要计入记忆的工具调用开销。cookbook 反复强调这一点。[6] 如果你的 Agent 每轮都要读一次记忆目录、写一次笔记，这部分开销按次计费，收益至少要覆盖这些调用成本，以及偶尔注入错误信息造成的返工。
六个常见误区
误区一：记忆是长上下文的替代品。 三个原语解决的是三个不同问题：清理管窗口内的工具膨胀，compaction 管窗口总长，记忆管跨会话；记忆对会话内的增长毫无帮助。[6]
误区二：存得越多越懂我。 Writer 的测量里，每个模型在至少一种记忆条件下谄媚率至少三倍，最高约 25 倍；而对照组只是把原始聊天记录整段贴上。[1]
误区三：记忆系统的基准分数能代表它在我的 Agent 上的表现。 主流基准偏问答式召回。AMA-Bench 显示，在长时程 agentic 任务上，许多记忆设计打不过长上下文基线；MemoryArena 显示，在 LoCoMo 上接近饱和的 Agent 在交互式设置里表现很差。[8][9]
误区四：换更强的模型能盖过记忆设计的问题。 在 AMA-Bench 上，主干从 8B 到 32B 平均只提升 0.038，而换记忆架构带来的分数区间达到 0.45。[8]
误区五：把规则写进记忆文件就一定生效。 索引文件只加载前 200 行或 25KB，超出部分被丢；文件越长遵循度越低；压缩之后子目录里的规则不会自动重新注入。[4]
误区六：结构化抽取一定比原始文本好。 Writer 最强的缓解手段是用等长的散文摘要替代抽取，谄媚率降到 12.8%，低于最好的现成系统，事实召回还更好。[1] 结构化的收益要靠测量证明，不能默认。
6. 结论
结论有四点。
记忆会产生持续的调用成本，也会参与注意力竞争。 每一条被写入的内容都会影响未来的调用，而系统能获得多少收益，取决于 Agent 判断什么该存。[5][6]
加了记忆之后的退化有三种，其中两种是记忆层独有的。 稀释是长上下文老问题的重演；误差累积（把用户的错误主张编码成干净事实）和陈旧状态（过期事实仍被当作当前状态）则是记忆层自己制造的，把窗口做大解决不了。[1][6]
在长时程任务上，「全都塞进去」是一个必须实测的基线。 AMA-Bench 与 MemoryArena 都显示，现有记忆设计在 agentic 设置下常常打不过长上下文基线，原因是有损压缩与相似度检索的误差会累积；而记忆架构对结果的影响比模型规模大一个数量级。[8][9]
关键设计在写入侧：过滤、取代、保留争议、遗忘。 只巩固反复出现的内容（RecMem 用这一条把构建成本降了最多 87% 且精度更高）[13]；同一事实只留一个当前版本[2]；把助手的反驳一起存下来（这一项本身就降低了谄媚率）[1]；每条记忆带来源、时间与有效期。
本文引用的测量集中在 2026 年上半年，对应的是当时那一代模型与那几个记忆产品的状态。这个方向正在快速变化——更好的记忆架构、带时效语义的存储、训练时就学会顶住错误输入的模型（Writer 的研究没有覆盖被专门训练过来反驳输入错误的那些新模型，这一点原报道也点明了[7]）都在出现，具体数字不能被当作今天的产品水平引用。结构性的结论仍然成立：记忆的价值取决于写入时的取舍。
