港中大浙大研报：AI Agent记忆只是“备忘录”

香港中文大学与浙江大学联合发布的一篇立场论文，在学术界引发了一场关于AI Agent记忆本质的深层讨论。论文以认知科学和数学理论为武器，尖锐指出当前主流Agent记忆方案——从向量数据库到RAG、Scratchpad——本质上只是“备忘录”而非真正的记忆，存在信息量不等于能力、泛化天花板与记忆投毒三大结构性缺陷。论文提出借助神经科学中的互补学习系统理论，构建“海马体+新皮层”双系统架构，让Agent不仅能存储情景，更能将经验抽象为可泛化的规则写入权重，避免越用越蠢的窘境。

从“备忘录”到“真记忆”：Agent认知困境的根源

论文将当前四类主流记忆方案——向量存储、检索增强生成（RAG）、便签本（Scratchpad）与上下文窗口管理——统称为“备忘录（Memo）”。其底层逻辑均为“存储+检索”，与人类将知识内化于心的“真记忆（True Memory）”存在本质差异。研究者指出，基于检索的泛化依赖相似案例的覆盖度，而基于权重的泛化能将经验抽象为规则，应用于从未见过的输入。人类学习语言时能内化语法规则并生成新句子，而Agent只是机械地背诵例句。论文引用神经科学中的互补学习系统理论（CLS）指出，哺乳动物大脑通过海马体快速记录情景、新皮层缓慢整合成规则的双系统协作实现真正学习，而当前Agent只实现了海马体，缺少将情景记忆提炼为权重的“新皮层”过程——相当于一个永远不睡觉、只记笔记却不整理的人。

三大结构性缺陷：量化鸿沟与安全漏洞

论文归纳了当前Agent记忆系统的三个关键局限，每个均可从理论层面证明。第一，信息量不等于能力：Agent会无限积累笔记，但模型权重在每次会话后完全不变，始终从“新手”起点出发，无法发展出基于深层原则重新结构化的专业知识（Chi et al., 1981）。第二，泛化天花板：研究者用样本复杂度理论证明，检索式记忆系统要处理组合式新颖任务需存储Ω(k²)个案例，而参数化学习只需O(d)个示例（d为算子复杂度维度）。增大上下文窗口无法突破此上限，因为限制来自组合覆盖度而非容量。举例而言，若Agent只分别存储了“摄氏度转华氏度”与“时区换算”的案例，当遇到两者组合的问题时就会卡壳。第三，记忆投毒的系统性漏洞：持久化记忆对攻击具有固有脆弱性——MINJA攻击在最小化功能损耗下注入成功率高达98.2%，PoisonedRAG攻击仅用5条对抗性文本即可实现90%成功率，且恶意内容会通过持久记忆在所有后续会话中持续循环，单次攻击转化为永久性入侵。

双系统架构：异步巩固通道与行动呼吁

论文并非止步于批判，而是提出了双系统共存的架构路径：在保留现有检索式情景记忆（海马体等价物）的同时，增加一条异步巩固通道，将情景记忆逐步整合进模型权重（新皮层等价物）。具体技术可从LoRA（轻量微调）、MEMIT（记忆编辑）、TTT层（测试时训练）和SSR（自我蒸馏）等现有方法中选取。论文为三类受众发出呼吁：系统构建者应实现从情景存储到权重的巩固通道，而非无限扩大向量库；基准设计者需引入“跨时间组合泛化（CGT）”指标，真正衡量Agent是否在学习；持续学习社区应重新关注Agent场景，其天然提供连续经验流、奖励信号与真实部署环境。论文在arXiv发布预印本后约10天内，已获得@dair_ai等国际学术社区超26,100次浏览和700余次点赞，多位YouTuber自发制作介绍视频，证明了这一问题几乎每一位长期使用Agent的工程师都曾隐约感知，却无人系统阐述的集体共鸣。