别在知道要被问什么之前，就决定记什么

所有agent记忆系统都有同一个毛病，而且没人把它当毛病。一个任务跑完，有个东西把整条轨迹总结成一条干净的记忆，剩下的扔掉。这个压缩发生在写入的时候——发生在谁都还不知道下个任务需要什么的时候。你在挑什么重要，而那个决定"什么重要"的东西还没出现。

Just-in-Time Memory这篇论文9月23日挂到arXiv，作者是Yefan Zhou、Yang Li、Zeyu Leo Liu、Semih Yavuz和Shafiq Joty，它把时间点掉了个个儿。原始轨迹留着。什么都不整理。等到读取的时候，当前任务就摆在眼前，你清清楚楚知道自己要找什么，这时候再由一个curator合成一份针对这个需求的紧凑内容。同样的信息，换一个压缩的时刻。

提升不是那种小打小闹。ALFWorld涨16.2个点，WebShop涨16.3个点，tau方bench涨3.9个点。而真正把论点撑起来、而不只是撑起方法的那个结果是：一个完全没训练过的curator就已经打赢了现有基线。意思是这个提升不来自某个聪明的学习组件，就是来自把决策往后挪。时机本身就是全部。

值得和Hindsight对着读——同一周冲上GitHub趋势第一的那个记忆系统，走的是完全相反的直觉：在写入的时候就用力做结构化，分门别类塞进不同类型的记忆桶。两边都可能对，因为它们优化的成本不是一回事。写时结构化，查起来便宜，但丢掉的东西永远丢了。读时整理，什么都留着，代价按每次查询付。你要哪个，取决于你更怕存储账单还是更怕推理账单。而现在，几乎没人是有意识地在做这个选择。

论文：https://arxiv.org/abs/2609.27334