ERRAND：预算化的Agent记忆维护

部署的智能体运行在交接知识上：冻结的策略查阅一份在数据流开始前写好的、由整合条目组成的简报。随后世界在动而存储静止：路径关闭、标志变化、价格区间移动；每一条在交接时都为真，而失败源于过时而非无知。我们提出ERRAND，把重新验证视为一件定价的差事：一次复查与它所保护的任务竞争同样稀缺的行动，只有当解决一个疑虑的每行动价值超过流动工资时才获得资金。差事指数是单峰的，在信念两端归零，因此任一方向的确定性都无需成本；免费的沿途回执维护路径上的知识，修复只写版本、从不删除。在两个漂移的工具使用世界中，在相等行动预算下，ERRAND在预注册的判据上胜过所有非预言机策略，在每个设置中都是主结果显著、在每个约束预算下条件显著，在基础上限下领先急切重验证10.0个百分点。克制获胜：在没有上限时，ERRAND自行停止，仅花费11.0%的步数，而无上限的急切重验证花费70.7%仍落后于有上限的ERRAND 4.5个百分点。优势位于简报覆盖最稀薄之处，即长尾知识的影子价格：小预算、定价良好，胜过从不复查的更大存储。