arXiv 10 月 19 日挂出编号 2610.22897 的 cs.AI 预印本，提出 RECAP 框架，把长程智能体对历史上下文的处理从全量保留改为保留、压缩、删除三选一，并为每次干预加一道独立策略认证。论文的出发点是失败记录的价值会随执行推进而变化，全历史 KEEP 在后期可能反成噪声。其意义在于把记忆管理从“能存多少”推向“何时该忘”，让遗忘成为可对照检验、可被独立模块否决的决策；核心结论是不存在统一的遗忘策略，有效性取决于历史块与当前执行状态的关系。
论文于 2026 年 10 月 19 日以 arXiv 预印本形式发布，编号 2610.22897，分类 cs.AI，标题为《When to Forget: Risk-Controlled Context Adaptation for Long-Horizon Agents》。研究设定的问题很具体：长程智能体确实能从失败中学习，但同一条失败记录的价值会随执行推进而改变，早期有用的教训到后期可能变成误导。作者把“是否保留某段历史”拆成三类动作——保留（KEEP）、压缩（COMPRESS）、删除（REMOVE），并以全历史保留作为统一对照基线，逐一测量三种动作相对基线的执行差异。为排除比较条件不一致的干扰，RECAP 采用匹配上下文干预：在相同环境状态与相同 rollout 种子下执行不同干预，使成功率差异可归因于上下文处理方式本身。框架由此分为三个模块：匹配干预负责制造可比条件，执行关联预测负责判断某段历史与当前执行状态的关系并给出建议，独立策略认证在建议生效前做一次独立校验，为错误遗忘兜底。三者分工是提假设、做预测、发许可。
长程智能体在 2025 至 2026 年成为主要投入方向：多步工具调用、代码库级修复、浏览器与桌面操作等任务动辄数十上百步，单次任务的上下文随步数线性膨胀。此前主流做法有三类：滑动窗口截断最早的历史、把历史摘要成短文本再注入、把经验写入外部向量库按需检索；Reflexion 一类工作则把失败反思显式写回上下文。这些方法的共同点是“写入有策略、删除靠启发式”——截断按位置、摘要按长度、检索按相似度，没有一个环节回答“这条记录此刻是否还有害”。与此同时，长上下文模型把窗口推到 128K 至 1M token 量级，但注意力稀释与推理成本并未随窗口扩大而消失，token 单价下降只是让全量保留更便宜，而不是更准确。RECAP 的位置正在这里：它不改进记忆的写入与检索，而是把“遗忘”变成可被对照实验检验、并可被独立模块否决的决策，这与 agent 工程从堆上下文转向管上下文的整体走向一致。
刘工判断：把遗忘做成可认证的决策，比继续把上下文窗口做大更能决定长程智能体在未来 12 个月的实际可用性。RECAP 真正的新意不在三个动作，而在匹配干预这套实验设计。上下文一变，模型后续每一步生成都跟着变，成功率差异极难归因；用相同环境状态与相同 rollout 种子对齐后，保留、压缩、删除才成为可比较的处理项，记忆管理由此从调参经验挪到对照实验的轨道上。代价同样明显：每个决策点都要跑配对 rollout，成本随任务长度上升，短期内更适合离线策略挖掘，而非线上实时决策。在商业维度上，三选一的价值是把记忆从二值开关变成可调旋钮。业界常见做法只有保留与丢弃两档，压缩则是连续量，压缩比本身就是可优化参数。这意味着卖点会从“支持多长上下文”转向“上下文预算多少、省下多少 token 而成功率不掉”，对按 token 计费的 API 生意是直接的降本工具。对行业而言，刘工在工业质检场景见过同构问题：产线视觉检测的缺陷样本库若只增不减，旧批次样本会成为新批次的噪声，漏检率反而抬头。RECAP 的执行关联预测给出的判据与此一致——不看样本新旧，只看它与当前任务状态的关系。刘工预测，未来 6 个月内会出现一批把上下文干预策略作为独立模块开源的 agent 框架，认证环节大概率被简化成规则组或小模型打分；真正的分水岭是有没有人公布跨任务、跨模型的公开基准，没有基准，“何时该忘”仍只是各家自己的工程口径。
- 决策空间：RECAP 提供保留、压缩、删除三类动作，对照基线为单一的全历史 KEEP，可选处理方式由 1 种扩展为 3 种。
- 组件构成：匹配上下文干预、执行关联预测、独立策略认证共 3 个模块，认证与预测解耦，相当于在决策链上多加一道否决权。
- 变量控制：实验在相同环境状态与相同 rollout 种子下比较不同干预，被控制的变量维度为 1 个，即上下文处理方式。
- 规模背景：主流长上下文模型窗口处于 128K 至 1M token 量级，而长程任务常达数十至上百步，全量保留的上下文随步数线性增长。
- 需要说明：预印本摘要未披露绝对成功率数字，效果均以相对全历史 KEEP 的差值表述，横向排名需等公开基准。
对行业：短期 3 个月内，这类上下文干预更可能以论文与开源脚本形式被 agent 框架团队吸收，成为评测表里新增的一列，而非独立产品；中期 1 年内，若出现公开的跨任务基准，“上下文预算—成功率”曲线可能取代窗口长度，成为模型与框架的对比口径，记忆层创业公司的叙事也要从记得更多改口为忘得更准。对普通用户：短期几乎无感，可感知的变化是长任务（连续订票、跨应用整理文件、长代码修复）中途丢失目标的概率下降；中期 1 年，若按 token 计费的 agent 产品真能压低上下文开销，省下的成本会部分转化为更宽松的免费额度，同时“它为什么忘了刚才那步”需要一个可解释的交代，产品侧得补上干预日志与回滚入口。
值得继续思考的问题：
- 把删除当作可验证决策：这套对照实验设计能否迁移到 RAG 的记忆淘汰策略。
- 配对 rollout 的成本账：离线策略挖掘与线上实时干预的分界线在哪里。
- 评测口径之争：上下文预算与成功率的两维曲线会不会取代窗口长度成为新卖点。
延伸阅读：2026 主流 AI 大模型对比——不追热点也能长期有用的选型指南，收藏备用。
本条动态来自 arXiv cs.AI（发布于 2026-10-19 04:00:00）。本站为海外 AI 动态的中文转述与观点评论，原文版权归原作者所有。
每日聚合海外 AI 一手动态与深度观点。收藏本站，不错过每一个重要信号；返回首页查看更多。
