何时遗忘：一种记忆治理原语

智能体记忆系统不断积累经验，但目前缺乏一个有原则的操作性指标来支撑记忆质量治理——即在智能体任务分布漂移时决定哪些记忆应被信任、抑制或弃用。写入时的重要性分数是静态的；动态管理系统依赖LLM判断或结构性启发式，而非结果反馈。本文提出记忆价值（Memory Worth, MW）：一种每条记忆使用两个计数器的信号，追踪某条记忆与成功结果和失败结果共现的频率，为过期检测、检索抑制与弃用决策提供轻量且有理论依据的基础。我们证明，在满足最小探索条件的平稳检索机制下，MW几乎必然收敛到条件成功概率 p+(m) = Pr[y_t = +1 | m in M_t]，即在记忆m被检索的条件下任务成功的概率。重要的是，p+(m)是一个关联量而非因果量：它度量的是结果的共现，而非因果贡献。我们论证这仍是记忆治理中一个有用的操作性信号，并在真实效用已知的受控合成环境中进行了实证验证：经过10,000个回合，在20个独立种子上，Memory Worth与真实效用之间的Spearman秩相关达到 rho = 0.89 ± 0.02，而从不更新评估的系统仅为 rho = 0.00。一项使用真实文本与神经嵌入检索（all-MiniLM-L6-v2）的贴近真实检索的微型实验进一步显示，在3,000个回合中，过期记忆跌破低价值阈值（MW = 0.17），而专业记忆保持高价值（MW = 0.77）。该估计器每条记忆单元只需两个标量计数器，可添加到已记录检索与回合结果的架构中。