模型升级之后，智能体的旧记忆何去何从：记忆可迁移性实证研究

底模迭代正在成为日常，但智能体留下的记忆往往无法平滑交接。研究对比四种记忆形态后发现，固定架构知识图谱在换模后几乎零损耗，而自然语言笔记的精度却出现高达13个百分点的剧烈波动，且八成损失源于最初压缩时的信息截断。若缺少原始对话留底，单凭二手笔记的修复在48组测试中无一达标。