AtMem Learned Memory Formation

摘要

AtMem Learned Memory Formation 是一次 memory write-path decision-model 实验。它公开了 offline agreement 改善但 sequential replay 漏掉全部 required stores 的负结果，并保留 deterministic formation 作为默认。（来源：Negative Learned Memory Formation: Not Worth Deploying Just for Offline Gain in AtMem）

核心内容

基本信息

• 实体类别：Agent memory write-path 实验与 checkpoint lineage。
• 关键名称或版本：Laya V2/V3、soft cross-entropy、RLCD、deterministic formation。
• 时间范围：论文于 2026-10-19 首次发布。

重要事实

• tuned V2 的 sealed agreement 为 73.79%，但 100-item operational replay 只有 16 个 exact decisions，required stores 为 0/25。（来源：Negative Learned Memory Formation: Not Worth Deploying Just for Offline Gain in AtMem）
• 数据严重 reject-heavy，且 train/serve packing policy 不一致；aggregate accuracy 因此不能代表 durable memory quality。（来源：Negative Learned Memory Formation: Not Worth Deploying Just for Offline Gain in AtMem）

关系与影响

它为 Harness Engineering 与长程 Computer-Use Agent 提供一条保守边界：learned writer 先 shadow、再 review，不应仅凭 offline aggregate metric 接管持久 memory mutation。

分歧与变化

论文没有主张 learned formation 普遍无效；结论只覆盖单一 encoder family、单 seed 与小型 inspected fixture。（来源：Negative Learned Memory Formation: Not Worth Deploying Just for Offline Gain in AtMem）

相关页面

• 概念：Harness Engineering、Computer-Use Agent、Execution-Based Agent Evaluation
• 实体：无
• 主题：Agent Harness 与 Agentic RL 开源生态

来源

• Negative Learned Memory Formation: Not Worth Deploying Just for Offline Gain in AtMem

待核实问题

• 需以独立、多 seed、正确 seed-state 的真实长程 Agent/CUA trajectories 验证。