一句话看懂：arXiv 2026年11月9日发布的一篇新论文提出 Forge Decision Context 系统，尝试让 LLM Agent 记住并复用用户纠错中的行为规则，在自建 DC-Bench 上把合规率从 55% 提升到 95%。这关系到 AI Agent 能否跨会话真正“长记性”。
事件核心：发生了什么
论文摘要指出，现有 Agent 记忆系统主要处理偏好、实体和对话历史等事实性信息，不擅长保存程序性知识，导致用户每次开启新会话都要重复纠正同一个错误。为此，研究团队提出 Forge Decision Context（forge_dc）：从人工纠正和 Agent 自评的工具调用失败中提取行为信号，编译成命令式 RULE 指令，并在相关决策点注入。团队还构建了 DC-Bench，包含九个行为维度、71 个场景，基于确定性 mocked-tool 环境中的真实 Agent 执行轨迹。摘要数据显示，forge_dc 达到 95% 合规率，而朴素检索方案为 55%，且每次查询注入的 token 数约为后者的十分之一。需要说明的是，上述结果仅基于论文摘要，尚未核验全文实验细节，也不代表已有可用的产品功能。
为什么重要
Agent 的长期记忆长期偏重“记住事实”，而非“记住怎么做”。如果行为规则能被自动提炼、在正确时机精准注入，Agent 在客服、编程辅助、办公自动化等重复性任务中的可用性会明显提升，也能减少用户反复解释的成本。论文还归纳出一个设计判断：行为记忆是否有效，关键在表示形式（显式指令）、激活方式和注入位置三个选择。这为后续 Agent 内存系统和大模型应用开发提供了可比较的技术路线。
对用户/开发者/创作者的影响
对开发者而言，值得关注的是这套“纠错—编译—注入”的流程能否做成通用中间层，接入现有 Agent 框架或 API。对普通用户来说，跨会话的体验改善取决于厂商是否采纳此类机制。对创作者和自动化工作流使用者，行为规则记录比单纯偏好记忆更贴近实际需求，但目前公开信息显示这仍属研究阶段，不宜按已上线能力做规划。相较提高模型参数或算力，这类方法更偏推理侧和工程侧优化，成本影响有待全文披露。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是全文是否公开更完整的对照实验和 token 成本核算；二是 DC-Bench 能否被社区复用为行为记忆的评测基准；三是主流 Agent 框架或大模型厂商是否会跟进类似“决策点注入”的设计。论文结论目前只适用于其设定的 mocked-tool 与场景范围，不能视为永久排名。
来源：arXiv cs.AI
