**记忆越多，智能体越差：LLM 智能体中的错误复现与反持久化机制**

_More Memory, Worse Agents: Error Reproduction and Anti-Persistence in LLM Agents_

> 研究指出，基于外部记忆的大语言模型智能体虽能通过存储经验实现自我提升，但存储的抽象规则（如总结、技能）若包含错误，会通过“抽象 - 执行 - 再抽象”的循环导致错误复现并持续影响后续决策。为此，论文提出了“反持久化（Anti-Persistence）”记忆设计，该机制仅积累原始轨迹与结果，按需动态合成指导策略并在执行后丢弃，从而有效阻断错误传播。实验表明，该设计在不同基准和模型架构下均取得了更高的成功率及最低的 LLM 调用成本。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-21 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.27406)