伊利诺伊大学的一项最新研究揭示了一个反直觉的现象：AI Agent频繁总结经验不仅无法提升性能，反而可能导致模型能力严重退化。
研究发现：记忆总结反而让AI变笨
该研究由伊利诺伊大学计算机科学博士生 Dylan Zhang 主导，聚焦于Agent系统的记忆机制这一核心问题。研究者设计了一组对照实验，系统性地测试了不同记忆策略对AI Agent任务表现的影响。
最引人注目的实验结果出现在ARC-AGI基准测试中：研究团队选取了19道GPT-5.4在无记忆状态下能够全部答对的题目，然后将真实解法以「边看边写经验总结」的方式喂给模型。这种做法本应相当于开卷考试，理论上能提升准确率。然而，经过多轮记忆压缩后，同一模型的准确率从完美的100%暴跌至54%。
记忆越多，性能反而越差
问题不仅限于特定任务场景。在WebShop网购任务中，研究者测试了AWM记忆方法，发现了类似的退化模式：当Agent摄入8条专家轨迹时，得分为0.64；但当轨迹数量增加到128条时，得分骤降至0.20——恰好回到无记忆基线水平。这意味着记忆的堆积非但没有带来边际收益，反而将之前的积累完全抹平。
这一现象的根源在于模型将正确轨迹「重新生成」为通用经验的过程中发生了关键信息损耗。具体前提被删除、不同任务的规则被混为一谈，原本能够指导具体操作的细节逐渐变成「优先采取最直接行动」「使用正确工具」这类看似正确、实则空洞的废话。研究中展示了一个极端案例：50条结构化记忆被一次合并为1条，多个任务的差异被压缩成同一个通用流程，导致下一轮评测直接丢失6至13个原本可以成功解决的样本。
对比研究：PlugMem的差异化思路
值得注意的是，AI Agent的记忆设计问题正受到学术界广泛关注。此前，UIUC、清华大学与微软研究院联合提出了PlugMem框架，该框架主张将记忆的基本单元从「文本片段」转向「可决策的知识单元」，并构建包含情景记忆、语义记忆和程序记忆的三元结构。PlugMem认为，真正有效的记忆系统应当能够从交互中提炼出关键信息，而非简单存储原始对话或轨迹。
然而，最新研究结果表明，即便采用知识抽象策略，过度总结同样可能适得其反。
实践建议：保留原始轨迹，按需抽象
针对这一发现，研究者提出了相对克制的建议：开发者不应让Agent在每轮任务中都撰写「错题本」式经验总结。更稳健的做法是保留经过筛选的原始操作轨迹，仅在确实存在明确需求时才进行抽象总结。实验数据支持这一观点——仅保留原始episode、关闭抽象总结功能的方案，在多个Agent基准测试中追平甚至超越了所有测试过的压缩式记忆方法。
这条结论对AI应用开发者具有直接的实践指导意义：给模型展示真实执行过的操作过程，通常比让它背诵大量抽象规则更有效。