AI Agent为啥越用越笨？科学家揭穿“记忆“大骗局

本报讯你家的智能助手是不是有个怪毛病——用得越多表现得越笨这个困扰开发者和用户已久的现象近日被香港中文大学和浙江大学的研究团队找到了答案。记忆是个伪命题这项于2026年4月30日发布在arXiv平台的研究论文直指当前AI Agent记忆方案的核心问题。研究团队指出市面上流行的向量数据库、RAG检索增强技术、长上下文窗口等所谓记忆系统本质上只是备忘录而非真正的记忆。这些系统做的是查找而不是记忆研究团队在论文中写道。简单来说就像我们查字典和记住一个知识点是两个概念。三大硬伤研究团队通过理论证明和实证分析揭示了现有记忆系统的三大结构性缺陷。首先是信息量不等于能力提升。AI Agent的会话结束后模型权重保持不变无法像人类专家那样通过经验重组知识。这意味着用再多数据喂AI它也无法真正学会。其次是泛化能力存在天花板。检索式记忆处理复杂任务时需要的案例数量呈平方级增长而人类式的参数化记忆则线性增长。扩大上下文窗口也突破不了这个限制。第三是安全漏洞。研究引用MINJA攻击测试数据显示AI记忆系统遭受投毒攻击的成功率高达98.2%仅5条恶意文本就能实现90%的攻击成功率。神经科学给出的答案研究人员参照神经科学的互补学习系统CLS理论解释了这一现象。当前AI Agent只有海马体——能快速记住具体情景但缺乏新皮层——无法将经验抽象为通用规则。破局之道双系统架构针对这些问题研究团队提出双系统并存架构方案。保留现有的检索式情景记忆同时增加一条异步通道将情景记忆逐步整合进模型权重。具体技术手段包括LoRA、MEMIT、TTT层、自我蒸馏SSR等。研究团队呼吁开发者、基准设计者和研究社区共同关注这一方向。该论文在XTwitter平台被dair_ai 转发后获得超过2.6万次浏览引发行业热议。