为什么给智能体注入更多记忆并不总是更好？
因为模型对指南的吸收和应用能力不同：强模型可以从完整指南集中获益，较弱模型可能被大量指南淹没，而已饱和模型几乎没有可测量的提升，所以记忆剂量需要根据模型能力校准。
How Much Memory Does Your Agent Actually Need?
（翻译）你的智能体到底需要多少记忆？
资讯摘要
A Blog post by IBM Research on Hugging Face
AI 摘要
IBM Research 发布博客，介绍 ALTK-Evolve 在智能体记忆规模上的研究。通过对八种模型在 AppWorld 基准上的测试，发现智能体记忆并非越多越好，需按模型能力调节：强模型适合完整指南集合，弱模型宜采用核心指南加按任务检索，已饱和模型无明显收益。检索最优方案可提升任务完成率并控制推理成本。
AI 问答
最经济的记忆策略是什么？
对较弱模型采用固定高置信核心指南加按任务检索子集的策略，gpt-oss-120b 仅增加约 5% 的 token，任务完成率提升 16.1 个百分点；提示缓存可进一步降低生产环境成本。
ALTK-Evolve 的记忆是如何产生的？
它从智能体自身成功与失败的轨迹中抽取行为指南，并在推理时注入完整指南集或按任务检索的指南子集，不更新模型权重，也不需要人工标注。