遗忘机制
LLM智能体在开放式发现任务中周期性丢弃搜索状态（会话记录与候选方案历史）并从当前最优解重启的机制，用于解除历史锚定、跳出局部最优
时间轴 (近 90 天)
智能体需要监控自身表现，并在检测到性能下降时主动丢弃过时知识。
记忆冲突消解的常见策略包括为记忆条目附加时间戳和置信度、在新旧冲突时以较新记录覆盖，或让模型显式执行更新/删除操作。
在支持通信的智能体团队中实现遗忘机制，相比并行智能体方案，性能提升最高达15%。
在支持通信的智能体团队中实现遗忘机制，相比单智能体方案，提升幅度最高达39%。
研究提示，需要区分'需要长期记忆'的任务（如客服、项目管理）和'需要定期遗忘'的任务（如开放式搜索、创意生成），并为后者设计状态丢弃与检查点重启机制。
局部最优是优化与搜索理论中的核心概念，指在当前位置的邻域内已是最佳、但并非全局最佳的方案；跳出局部最优的常见手段包括随机重启、模拟退火中的高温探索，以及本文提出的遗忘机制。
遗忘机制的性能提升是在相同计算预算下实现的，说明它改变的是如何有效利用投入，而非投入多少。
论文提出通过定期遗忘（周期性丢弃搜索状态，包括每个智能体的会话记录和完整候选方案历史，然后从当前最优候选重新启动搜索）来解决智能体因历史积累而停滞的问题。
主动遗忘和摘要压缩是对抗记忆库无限膨胀的必要手段
全部知识事实 (9)
智能体需要监控自身表现，并在检测到性能下降时主动丢弃过时知识。
50%待验证记忆冲突消解的常见策略包括为记忆条目附加时间戳和置信度、在新旧冲突时以较新记录覆盖，或让模型显式执行更新/删除操作。
50%待验证在支持通信的智能体团队中实现遗忘机制，相比并行智能体方案，性能提升最高达15%。
50%待验证在支持通信的智能体团队中实现遗忘机制，相比单智能体方案，提升幅度最高达39%。
50%待验证研究提示，需要区分'需要长期记忆'的任务（如客服、项目管理）和'需要定期遗忘'的任务（如开放式搜索、创意生成），并为后者设计状态丢弃与检查点重启机制。
50%待验证局部最优是优化与搜索理论中的核心概念，指在当前位置的邻域内已是最佳、但并非全局最佳的方案；跳出局部最优的常见手段包括随机重启、模拟退火中的高温探索，以及本文提出的遗忘机制。
50%待验证遗忘机制的性能提升是在相同计算预算下实现的，说明它改变的是如何有效利用投入，而非投入多少。
50%待验证论文提出通过定期遗忘（周期性丢弃搜索状态，包括每个智能体的会话记录和完整候选方案历史，然后从当前最优候选重新启动搜索）来解决智能体因历史积累而停滞的问题。
50%待验证主动遗忘和摘要压缩是对抗记忆库无限膨胀的必要手段
50%