不可变的过去：在可变 RAG 中形式化状态可变性和冲突解决

检索增强生成（RAG）作为长视野自主代理的主要内存架构。然而，将共享内存视为仅附加流会引入 \textit{语义阴影}，这是一种关键的故障模式，其中冲突的历史观察会累积并在统计上主导有效的最近更新。在动态环境中，当代理检索过时的事实并采取行动时，这会导致严重的状态分歧。本文形式化了状态可变性的机制，以证明标准密集检索会遭受渐近召回衰减。此外，我们正式演示了多数投票陷阱，揭示了在语义等价的条件下，增加检索上下文窗口会削弱注意力机制，从而反而降低了生成准确性。为了解决这个问题，我们引入了 GC-Mem（内存垃圾收集），这是一种严格的推理时间一致性协议。与启发式时间衰减机制（不加区别地破坏有效的长期记忆）不同，GC-Mem 纯粹依赖于时间优势算子 ($Φ_{\mathcal{T}}$) 与矛盾检测相结合，以手术切除阴影上下文。通过对 137,760 个内存块和连续累积扫描进行的严格的行为推断基准进行评估，标准 RAG 和时间戳重新排序基线经历了严重的退化。相比之下，GC-Mem 根据经验恢复了 $>90\%$ 冲突解决精度。我们建立了严格的精确度和召回率部署阈值，确保标准可变 RAG 从根本上失败时的状态收敛。