關於記憶與連續性的十個問題

長期 AI 記憶和身份連續性有什麼關係？

在 Memory-as-Ontology 的研究立場中，記憶是持續身份的構成基礎。經歷、關係和判斷隨時間累積，模型則是承載這些記憶、可以更換的計算基礎。

因此，論文關注的不只是資訊有沒有保存下來，還包括一個新實例怎樣承接之前的經歷，繼續理解任務和關係。這是 Animesis 研究長期協作連續性的出發點。

論文依據：§1.2 核心主張、§3.1 兩種範式。

適用範圍：這裡的「身份」是架構層面的概念，不是關於 AI 意識的結論。研究主要面向跨實例、跨模型的長期協作。

模型更換後，智能體還是同一個嗎？

按照論文提出的「模型可替換性」公理，身份通過記憶延續，而不綁定某個模型。關鍵不只是把資料搬過去，還要讓新實例理解並繼續使用繼承的記憶。

論文為記憶繼承提出三項最低驗收要求：一是不依賴原始對話紀錄，仍能回答與前一實例未完成任務有關的事實問題；二是能識別並運用至少一個繼承的認知模式；三是留下可供第三方核驗的繼承紀錄。

論文依據：§3.2 模型可替換性、§5.2.2 繼承。

研究範圍：模型更換可能帶來能力和表達風格的變化；繼承是否成立，需要按上述要求核驗。

記憶治理和存儲、檢索有什麼區別？

存儲解決內容怎樣保存，檢索解決需要時怎樣找回；治理則回答誰能寫入、誰能修改、什麼條件下可以改，以及修改後怎樣追溯。

CMA 用憲法層、契約層、適配層、實現層組織這些規則，上層約束下層。比如預算上限發生變化，治理需要明確誰有權修改、遵循什麼規則，以及怎樣留下改動紀錄。

論文依據：§4.2 四層治理、§4.5 與現有架構的關係。

研究範圍：「治理先於功能」討論設計順序。架構能否在具體環境中有效執行，還需要相應驗證。產品側的說明見Animesis 使用問答。

記憶更新後，怎樣保留原來判斷的原因？

採用追加紀錄的方式更新，而不直接覆蓋過去。新的判斷、更正內容和修改原因作為新紀錄留下，之前的內容仍可追溯。

這樣，記憶可以演進，歷史也不會因一次更正而消失。論文還區分了兩類調整：主動降低召回權重，以及隨時間壓縮和歸檔。保留一條記憶，與繼續使用它，可以分別處理。

論文依據：§4.3 追加寫入、§5.2.3 成長。

研究範圍：這裡說明追加紀錄與記憶演進的設計原則。具體資料結構不在本文討論範圍內。

除了檢索準確率，長期記憶還應該評價什麼？

還應關注記憶如何被治理，以及新實例能否理解並繼續使用繼承的記憶。除了檢索是否準確，還需要檢驗前後協作能否銜接，以及判斷的變化是否有依據。

論文給出了繼承驗收的具體方向：不依賴原始對話，也能回答與未完成任務有關的事實問題；能運用繼承的認知模式；繼承過程有可核驗的紀錄。

論文依據：§5.2.2 繼承驗收、§6 比較框架、§7.2 研究局限。

研究範圍：v1 未提供 LongMemEval、LOCOMO 等標準基準的測試資料，不能據此判斷產品之間的檢索性能高低。

模型行為變了，是否意味著連續性中斷？

不一定。論文把模型帶來的能力和風格變化，與記憶所承載的連續性區分開來：表達方式變了，不等於此前的經歷和判斷已經丟失。

這一框架從結構化的身份繼承來理解連續性，而不只看資料是否跨會話保存。要判斷新實例是否接續了之前的協作，還需要檢驗它怎樣理解和使用繼承的記憶。

論文依據：§3.2 模型可替換性、§6.2 連續性的比較定義。

研究範圍：v1 沒有給出行為一致性的量化指標；連續性與行為完全相同不是一回事。

長期運作中，怎樣區分「變化」和「退化」？

可以先看變化有沒有來由、更新是否經過治理，以及歷史是否仍可核對。論文強調漸進演進和保留歷史，為判斷變化提供依據。

例如，新的經歷可以改變對過去的理解，但不應篡改過去發生的事。記憶的壓縮、歸檔和使用調整，也需要放在治理框架中理解。

論文依據：§5.2.3 漸進演進、§8.1 未來工作。

研究範圍：這些原則提供判斷方向，還不是一套完整的判定方法。認知時間線和完整狀態回溯在 v1 中列為未來工作。

多個智能體共享記憶，誰有權修改？

在論文提出的 CMA 中，修改權限由治理層級、寫入歸屬和審批規則共同決定。上層規則約束下層規則，每類記憶也需要明確由誰負責寫入。

CMA 討論了寫入歸屬、來源可信度、操作風險和衝突裁決。它們共同回答：哪些修改可以進行，哪些需要審批，以及不同記憶發生衝突時怎樣處理。

論文依據：§4.2 四層治理、§4.4 治理原語。

研究範圍：多智能體情境仍需要規模驗證。產品中的多人共享記憶和團隊權限管理仍在開發中。

機器人換載體，哪些經驗能遷移？

沿用論文的記憶表示與繼承原則，我們進一步提出一個問題：哪些知識可以沿用，哪些經驗依賴特定身體和傳感器？這也是研究站關注的跨載體記憶問題。

例如，任務背景與某個傳感器的測量經驗，可能有不同的遷移條件。哪些可以直接保留，哪些需要重新驗證，是具身情境需要繼續研究的問題。

相關研究：§3.2 模型無關的記憶表示、§8.1 跨模型可移植性。

研究範圍：v1 討論的是模型更換，並未驗證機器人跨載體遷移。這裡是基於論文原則延伸出的研究問題。

記憶邊界和自主性在生命週期中怎麼處理？

論文用出生、繼承、成長、分叉、離開五個階段討論長期運作。治理貫穿各階段及其轉換，讓記憶的形成、演進和交接都有明確規則。

出生時建立治理基礎，繼承時檢驗記憶交接，成長中允許有依據的演進；分叉和離開是可選階段。記憶受到保護，並不意味著決策權交給 AI，最終決策權仍在人。

論文依據：§5.2 五個階段、§3.4 適用範圍。

術語說明：「數位公民」指特定治理框架中的制度身份；分叉與離開為可選階段。