MemCredit：用干预评估记忆效用，ALFWorld 成功率达 86.57%
做智能体记忆的都该看看这篇。它用干预实验证明语义相似的记忆多半没用，换成按“对决策的贡献”来筛，ALFWorld 上成功率从 65.67% 提到 86.57%，token 还省了近四分之三。
MemCredit 是一项针对智能体记忆管理的论文，核心发现是语义相关性选出的记忆大多对下一步决策没有实际作用，BM25 这类基于相关性的检索方式与记忆有用性之间的相关性很低。它提出用受控干预来测量每条记忆的“信用”：记录智能体在有该记忆和没有该记忆时动作的差异，再用这些信用数据训练一个小型估计器。
具体流程是：相关性检索仍然负责收集候选记忆，但最终由估计器判断哪些记忆值得放进 token 预算，智能体策略本身保持不变。在 ALFWorld 基准上，500-token 记忆预算下 MemCredit 取得 86.57% 成功率，BM25 检索为 65.67%。每步决策平均消耗 152.1 个记忆 token，比 BM25 减少 74.5%。
对开发者来说，这篇论文指出记忆系统不应该只按相似度排序，而应该评估记忆对决策的实际贡献。做长程智能体、RAG 记忆层或工具调用的团队可以直接参考它的干预式评估方法。
Interesting insights about agent memory. The bottom line is that you can't just rely on semantic relevance when picking memories. Most approaches pick the memory most similar to an agent's current state. But does that help it pick the next action? This work claims it often does not. Most retrieved memories have zero effect on the decision, and semantic relevance correlates poorly with usefulness. MemCredit measures each memory with controlled interventions, recording how the agent's action changes with and without it. A small estimator is trained on those credits. Relevance still collects the candidates, and the estimator decides which ones fit in the token budget. On ALFWorld with a 500-token memory budget, MemCredit reaches 86.57% success, compared with 65.67% for BM25 retrieval. It uses 152.1 memory tokens per decision, 74.5% fewer than BM25, and the agent policy is unchanged. arxiv.org/abs/2611.15600 Chat with Paper: academy.dair.ai/papers/memcred…📊 15 ⚡
本条情报归属 AITOP「论文」核心追踪栏目。在跨区域产业观察坐标中，该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」研究主线，反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括：MemCredit、智能体、RAG、BM25，读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明：本文原始线索采编自「elvis」（@omarsar0），经 AITOP 多维评分管线结构化提炼。
