群体决策的记忆压缩，怎么存都有坑

多个模型开会讨论，最后把讨论压成一段备忘录交给裁判模型拍板——备忘录该留什么？「留最稀有的」和「留最相关的」两条直觉在测试里都翻车了。10 月 27 日提交的论文不仅记录翻车，连翻车的位置都算准了。

一、发生了什么

论文构造了一个诊断基准 CrossProfile：60 个模板、480 个任务，答案键自动核验。巧妙之处是把支持性事实、干扰事实、无关事实的「持有者分布」交叉排列，文本内容保持不变——这样就把「谁持有」和「内容是否有用」两个变量彻底分开。日常讨论里这两个变量总是纠缠在一起：一条信息之所以显得重要，可能只因为说的人多，也可能因为它真有用，实验设计把它们拆开才能定责。被测模型包括 Qwen2.5-7B、Llama-3.1-8B 和两个 DeepSeek 模型。

结果有三层。其一，按相关性挑内容，会把跑题但在场的干扰项重新放回来——干扰项天然就在题点上，一个理想的相关性过滤器在经典隐藏档案配置下也要比「按稀有度挑」差 23 到 31 个点。其二，按稀有度挑，平均不比随机好，只有在稀有恰好等于有用的场合才赢。两条路看似互补，其实都败在同一处：准确率取决于备忘录里留下的证据平衡，而不是筛选策略本身听起来多合理。其三，裁判模型有从众倾向：被更多人持有的事实会获得额外权重；把署名标签删掉或打乱（保持行序不变），经典配置下准确率提 13 到 24 个点。最扎心的一条：自然讨论的完整记录拿来当记忆，成绩比不留任何笔记还低。换句话说，不做设计的记忆不是中性的，是负资产——讨论过程里的闲聊、重复、从众表态全被当成证据保留下来，污染了决策依据。这是背景，不是论文结论。

二、跟你有什么关系

做多 agent 系统的：讨论记录直接喂给总裁决是常见做法，这篇证明它可能比不记还糟，先设计「留什么」。

做会议纪要工具的：署名和发言人数是偏差源，做意见合成功能时要考虑剥离归因信息。

写论文的：交叉持有者分布的实验设计，可以迁移到任何「信息来源与信息价值纠缠」的研究里。

三、怎么判断

1. 检查你的记忆压缩策略属于哪派：稀有优先还是相关优先，两派的翻车点论文都给了，对着排查。
2. 交给决策模型前，先试删掉或打乱「这是谁说的」类标签，成本几乎为零，经典配置能涨十几个点。
3. 别默认完整记录优于摘要，用自家任务 A/B 一遍，结果可能反直觉。

四、三个别信的说法

相关的内容就该保留。 干扰项恰恰是相关的，只看相关性等于给错误信息开绿灯。

稀有信息一定值钱。 按稀有度筛选的平均成绩和随机一样，它只在稀有与有用巧合时占优。

多人都说过的话更可信。 决策模型会额外加权多数派持有的事实，这正是系统性偏差的来源；隐藏档案任务里，真理常常在少数侧。

五、一句话结论

把讨论压成备忘录的那一刻，你就在替模型做决定——选得越「合理」，错得越一致。

信息来源

• 论文摘要：记忆如何搞砸模型群体决策（arXiv），2026 年 10 月 27 日提交

功能与价格以官方公告为准。本文写于 2026 年 10 月 29 日。