存储的证据何时不再可用：智能体记忆的规模条件化评估

记忆代理评估报告固定快照的准确性或检索质量，但这些分数并不显示随着不相关会话（未注释为查询的任务相关证据的会话）积累，证据是否仍然可用。我们提出了一种在证据保留增长下的代理记忆的尺度条件评估协议：对于每个查询，任务证据保持固定，同时添加不相关的会话。该协议记录代理内存轨迹并报告四种诊断：符合预算的可靠性、尾部内存调用负担、故障机制分解以及可靠性低于目标的可用规模边界。该协议应用于跨平面、平面和分层内存接口的 LongMemEval 和 LoCoMo，表明可靠性损失不是单一现象。在 LongMemEval 上，HippoRAG 保持在两次调用预算之内，但由于添加了不相关的会话，因此在符合预算的可靠性方面损失了 16--20 个百分点； LiCoMemory 观察到的故障在很大程度上取决于代理，Qwen3-8B 超出了预算，而 Qwen3-32B 和 Qwen3-235B 在测试范围内仍然可靠。结果支持一个框架，该框架使可扩展内存声明以代理、接口、规模范围和交互预算为条件。