面向 agentic 记忆的 MEMOREPAIR：屏障优先级级联修复
人工智能
2026-05-11 v1 计算与语言
摘要
agentic 记忆跨任务演化为持久派生制品：摘要、缓存输出、嵌入、学习技能以及可执行工具程序。当源制品被删除、更正或因工具/API 迁移而失效时，其派生子项可能仍可见并干扰未来动作。我们将此故障模式形式化为级联更新问题，其中修复目标为记忆存储中可见的派生状态。我们提出 MemoRepair，一种针对 agentic 记忆的屏障优先级级联修复协议。修复事件导致从失效的派生状态向已验证的后继状态的受控转换：受影响的派生子项在修复前被撤回，后继子项从保留的支持中构建并在当前接口下分阶段修复的前驱项中就绪， republication 限制在已验证的前驱闭包后继项上。在此协议下，标量化修复选择问题在固定修复成本权衡下得到解决。我们表明，诱导的发布问题可归约为最大权重前驱闭包问题，可通过单个 s-t 最小割精确求解。实验在 ToolBench 和 MemoryArena 上表明，随着完整影响来源，MemoRepair 将无级联修复系统下的失效记忆暴露率从 69.8% - 94.3% 降至 0%。相对于 exhaustive Repair all，它在恢复 91.1% - 94.3% 的已验证后继项的同时，将归一化修复算子成本从 1.00 降至 0.57 - 0.76。
引用
@article{arxiv.2605.07242,
title = {MEMOREPAIR: Barrier-First Cascade Repair in Agentic Memory},
author = {Yang Zhao and Chengxiao Dai and Mengying Kou and Yue Xiu},
journal= {arXiv preprint arXiv:2605.07242},
year = {2026}
}