MemHarness

在构建智能体（Agent）时，我们常以为“记忆越多越好”。但现实往往相反：当旧经验与当前状态不匹配时，强行套用反而会导致决策失误，这种现象被称为负迁移。

上海 AI 实验室最新开源的 MemHarness 框架，它不追求记忆容量的无限扩张，而是教会 Agent 像人一样“看情况改答案”，在检索与行动之间插入了关键的“批判”与“重构”环节。

核心理念：记忆是被重构的，而非回放的

大多数记忆增强型 Agent 将检索到的经验视为静态记录，直接注入上下文。这种“回放”范式忽视了历史经验的抽象性与当前情境的具体性之间的差距。

MemHarness 受人类记忆重构机制启发，将决策流程重塑为五个阶段：观察 → 检索 → 批判 → 重构 → 行动。

• 批判（Critic）：主动比较过去经验的状态与当前状态，若差异过大则直接丢弃，避免误导。
• 重构（Reconstruct）：将保留的经验重写为与当前状态对齐的指导，而非照搬原文。

最关键的是，这种重构能力无需任何人工标注，完全通过 GRPO（Group Relative Policy Optimization）结合任务奖励端到端训练自然涌现。这意味着迁移成本极低，换到新任务或新领域时，只需让 Agent 自主运行即可适应。

性能亮点：小参数，大超越

尽管仅有 7B 参数量，MemHarness 在多个基准测试中展现了惊人的性能：

• OOD 鲁棒性：在未见的 ALFWorld 布局上，平均成功率达 85.9%，远超朴素记忆回放的 76.3%。
• 潜在指导价值：即使测试时禁用记忆，重构目标仍能提升策略表现（ALFWorld 上 83.0% vs. 纯 GRPO 的 76.4%），证明其从根本上增强了 Agent 的内在推理能力。

技术架构：统一策略下的记忆闭环

MemHarness 维护一个显式、可检查的记忆库，同时将状态条件化的重构参数化到单一策略模型中：

1. 检索：Agent 生成查询，从 Milvus 向量库中拉取 top-k 相关经验（每条经验均附带历史来源观察）。
2. 批判与重构：策略以当前状态为条件，评估记忆的相关性。若适用，则重写为当前指导；若不适用，则拒绝并回退到自主推理。
3. 行动：根据重构后的指导执行环境操作。
4. 写入与剪枝：回合结束后，从轨迹中总结经验，经语义去重后写回记忆库，并按效用定期剪枝，保持记忆库的高质量。