预印本：残差记忆网络助长程代理仅用5.2%输入位逼近全上下文表现
新神经记忆网络通过软令牌补充摘要，在保持洞察覆盖率的同时显著提升源归因准确性并减少工具错误。
重要性实质性证据E2 未复现写法快讯
重点：REMORY预印本提出一种神经记忆网络，通过在文本摘要后追加有界的软记忆令牌，使冻结的大语言模型在仅使用5.2%的输入位置时，即可逼近全上下文的联合评分。
背景：长程智能体通常依赖文本摘要来压缩历史以适配有限上下文窗口，但纯文本摘要往往无法支持所有后续决策，导致信息丢失或幻觉。
结论：在SummHay基准测试中，该方法在几乎不损失洞察覆盖率的情况下改善了源归因；在BrowseComp和Terminal-Bench 2.1等长程代理任务中，Qwen3.8-27B和GLM-5.3-Flash模型均显示出一致的性能提升，且重复工具输出和错误显著减少。
边界：结果基于作者自测，尚未见独立复现，且主要验证于特定开源模型架构。