更多记忆反而更差：LLM 智能体中的错误复现与 Anti-Persistence 方法

研究探讨 LLM 智能体记忆更多是否反而更差，指出存储的规则或技能中的错误会影响后续执行，并生成复现同样错误的新抽象。作者提出 Anti-Persistence：保留轨迹和结果，但按需重建任务特定指引并在执行后丢弃，由自适应选择器决定是否及如何生成指引。在所评测的基准和模型上，该方法取得更高的整体留出成功率，并在对比的记忆设计中平均 LLM 调用成本最低。