研究：给智能体加一条记忆指令，其选择参考档案的来源方式可被显著改变，但不同模型表现并不一致
一项预注册研究在 14,760 次尝试中测试了记忆格式对智能体选择档案记录的影响，发现用描述性文字替代ID能提升命中率 35 个百分点，但在不同模型上效果不一，部分模型上附加ID反而抵消了文字描述的作用。
AI解读：这项研究告诉你：智能体如何选择它“记得”的信息，其实可以被提示词里的细节操纵——但效果因模型而异，没有一个通用规律。具体来说，研究者测试了当智能体继承六条记忆时，它只能先拉取一条档案记录来“想起”细节，而记忆里写的指令——是直接给出记录的ID，还是用一段描述来“指认”它——会显著改变选择的结果。在六个直接提供API的模型上，用等长的描述文字（比如“那条 2024 年关于预算的备忘录”）比只用ID平均命中率高 35 个百分点，但在另一个覆盖九个模型的测试面板上这个优势就没达标。更微妙的是，在三个Claude模型（包括Opus 5）上，如果把ID附加在描述后面，描述的效果就被完全抵消了（命中率从 40/40 掉到 0/40），而在另一个模型系列上则部分保留。论文没有声称发现了底层机制，只说这是固定设置下精确编辑的统计效应。如果你的工作依赖智能体从长期记忆里检索关键信息，这条新闻提醒你：记忆格式的选择要针对具体模型测试；对普通用户，你不需要做任何事——这更像是一个给AI应用开发者的警告，提示他们别假设所有模型对记忆指令的反应一样。研究的价值在于它用预注册和开源数据（Zenodo上有全部代码和日志）把这种不确定性讲清楚了，但它的结论只适用于测试过的模型和短语形式，不能推广到所有智能体系统。
一项预注册研究通过 12 项对照试验、14,760 次尝试，系统测量了“记忆指令格式”如何影响AI智能体在行动前从档案中拉取记录的选择。研究者Kazuki Nakayashiki在arXiv预印本（编号arXiv:2609.03450）中报告，当智能体继承六条单行记忆时，它最多只能拉取一条归档源记录，而存储中写入的指令——无论是直接指向记录的指针、描述识别它的标准，还是两者兼有——都能显著改变这一选择，但效果高度依赖模型和措辞。
关键结果包括：在六个直接提供方模型上，长度匹配的描述性标准比纯ID平均高出 35.0 个百分点（95% 置信区间 [31.2, 38.8]；研究D），但同样的对比在一个由九个模型组成的OpenRouter服务面板上未能通过预注册的优势规则（研究E）。
附加ID会抵消描述性标准的效果，且模型表现不一
在三个Claude模型（包括Opus 5）上，将ID附加到描述后面会完全取消标准的效果：Opus 5的命中率从 40/40 降至 0/40（研究F-x）。研究者通过逐字节匹配的修改（研究G）显示，每个精确字符串都有独立效应；但在以每单元格 80 次运行重跑后（研究G'），30 个复制对比中有 15 个落在边际内，15 个未解决，没有 1 个超出边际。
在五个描述字符串上，附加后缀的取消效应在Opus 5上适用于五个措辞中的四个，在Fable 5.1上适用于全部五个（研究H2）；但在第二个存储中，所有模型都遵循了描述标准（研究H1）。进一步测试显示，当指令延续到决策层面时，描述标准在Opus 5上将选择推向当前记录（+100.0 点），而在Fable 5.1上则使其远离（研究I）。
- 补充一条确认行（+96.0 点，Opus 5）和两个信用额度（budget）的预算，能在所有三个模型上恢复目标选择（研究J）。
- 一个单字符计划指针的效应（+78.0 点；研究B，在修正其首个仓库报告后）在前瞻性预注册的重跑中得出一致结论（+81.7 点；研究B'）。
- 论文强调所有结果都是对固定面板上精确编辑的描述性效应，具有注册区间，且不涉及机制性声明。
方法与数据可用性
论文共 46 页，包含 7 张图和 35 张表，涵盖 12 项预注册研究，全部集中于同一个“工具谱系”。每个软件包在首次确认调用前均被冻结、打时间戳并外部存储。
手稿、LaTeX源文件、所有试验文件、冻结包、分析器和每个数字的生成器均保存在Zenodo（DOI: https://doi.org/10.5281/zenodo.22267221）。论文提交于 2026 年 9 月 3 日，属于arXiv:2609.03450v1 [cs.IR]。
- 此报道仅基于论文摘要部分（arXiv摘要、提交摘要），未独立核实文中图表和附录细节。