长跨度语言智能体中的重尾记忆轨迹

研究发现长跨度语言智能体的记忆检索呈现重尾分布，稀有状态会累积预测误差，为此提出 Core-Tail World Model（CTWM）记忆控制器。CTWM 通过单一指数分配提示词预算并保留长尾摘要，在 Synthetic Graph World 上降低 13.6% 的后半段长尾误差并节省 5.9% 的 token。