待验证50% 置信事实精确时间

长时运行的智能体不会在起点失败，而是会随时间逐渐出现延迟漂移、内存增长和检索衰减的慢性退化

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

本地AI智能体的耐久性测试：运行时才是真正的基准

涉及实体

local agentconcept

相关事实

待验证对于智能体类应用，长时间稳定运行比运行速度更重要，因中断会导致缓存状态丢失和任务失败80% 相似已验证艾宾浩斯遗忘曲线揭示记忆强度随时间呈指数级衰减，通过间隔重复可延缓这一过程76% 相似已验证过度依赖AI编程工具会导致认知卸载的负面效应，程序性记忆与陈述性记忆的衰退速度不同步且恢复路径不同75% 相似待验证过于宽松的停止条件会导致智能体在足够好的结果上继续无效迭代浪费计算资源，过于苛刻的条件可能使循环永不停止75% 相似待验证记忆漂移（memory drift）是智能体长期运行中容易被忽视的失效模式，早期误判可能成为后续推断的前提，形成错误的自我强化循环74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1002552

API

curl https://kongchang.com/api/v1/knowledge/claims/1002552

MCP

get_claim(id=1002552)