长周期语言智能体中的重尾记忆轨迹研究

研究揭示长周期语言智能体在有限上下文和重复检索下，记忆检索呈现向少数核心集中、罕见状态落入长尾的重尾分布特征。基于此提出的 Core-Tail World Model（CTWM）控制器通过单一指数分配提示词预算并保留长尾总结。CTWM 在 Synthetic Graph World 上降低 13.6% 长尾预测误差，在 LongMemEval 上保持准确率的同时减少 24.48% 的 token。