那个「记忆优势」，可能只是时钟

一个带记忆的网络比不带记忆的高出 25 个百分点，看上去是教科书级别的「记忆有用」。10 月 24 日的这篇论文把这个差距拆开，发现大头不是记忆。

一、发生了什么

场景是部分可观测的 XLand-MiniGrid 任务。作者问两个问题。

第一个：测出来的差距里，多少是噪声。他把训练随机种子、地图、评测随机性分开，跑了 60 次，每次重评三遍。看最终成功率，大约 10 对配对种子就能分辨 10 个百分点的差距；换成常见的二元判定「任务是否学会」，这个指标有 76% 是评测噪声，同样的分辨力要一百来个种子。

第二个：这个差距是不是记忆。作者准备了一张封存的新地图面板，只开一次。没有记忆、但和带记忆网络同样大小的模型，在拿到时间步之后，距离对手只差 3.3 个百分点；不给时间步，加大宽度也没有可测的收益。给了时间步之后，只有四分之一大小的无记忆模型，以及每步都把状态清零的记忆模型，也都在 5 个点以内。

还有一个探针实验：从训练好的记忆网络隐状态里，能线性读出当前是第几步。作者的解释是，这个任务的回合在固定步数被截断，奖励随时间衰减，所以「知道现在走到第几步」本身就是有效信息。

边界：整篇只在一个部分可观测任务上做，结论别直接搬到别的环境。60 次运行、每次三次重评是这次审计的样本量；封存地图面板有多大，摘要没写。作者的建议是给无记忆基线也喂时间步，并公开了协议、工具和全部检查点。这更像是给一个社区提的方法学建议，而不是对「记忆无用」下的判决——换个任务，记忆仍然可能真的有用。

补一点同主题背景。这是背景，不是论文结论：在小规模强化学习环境里，一个点的差距动辄被解读成机制差异，而这类环境的评测噪声本来就大。审稿和复现的压力，很大一部分来自没人先把噪声量出来。

二、跟你有什么关系

跑强化学习实验的研究生：你上一次「新结构赢了」的结论，可能只缺一个「对照组白送时间步」的实验。

做 agent 评测的：那个 76% 值得抄在墙上。用一个二元判定概括整条学习曲线，等于给自己造了个高方差指标。

审稿的人：看到「记忆带来提升」，先问一句有没有控制时间信息。

三、怎么判断

1. 先做对照：把时间步、步数计数这类廉价信息直接给无记忆基线。它不掉分，你的记忆优势就站不住。
2. 先算种子数：5 个种子跑出的 10 个点差距说明不了什么。用配对种子，按目标差距反推需要多少次运行。
3. 留一张封存地图：调参时别碰，最后只开一次。这是最便宜的抗过拟合手段，比多加正则有效。

四、三个别信的说法

「记忆网络赢了，所以记忆有用。」 赢的是什么信息，得先排除。这篇的答案里，时间步占了大头。

「多跑几个种子就稳了。」 稳不稳取决于你报哪个指标。同一个实验里，成功率十个种子够用，二元判定要一百个。

「二元判定更直观，适合写进摘要。」 直观的代价是 76% 的噪声。摘要里一句话，背后可能是九十次白跑。

五、一句话结论

先怀疑混淆变量，再谈能力；先算清噪声，再谈提升。

信息来源

• arXiv：是记忆还是时钟，对 XLand-MiniGrid 记忆优势的审计（2026-10-24）

功能与价格以官方公告为准。本文写于 2026 年 10 月 27 日。