Memory Is a Derivation：长期智能体的分布式证据悖论

论文提出长期 LLM 智能体的"推导问题"：压缩后的持久记忆未必真能从交互历史中推出，并归纳出证据范围、组合有效性、准入可靠性三项要求。其 DerivAudit 框架在两个自然记忆语料上发现，用更广的写入前历史审计，可为近 60% 仅凭引用看似无支撑的记忆找回支撑，但仍有 17-21% 无法支撑；更广证据并不能让准入变可靠，无支撑记忆仍常被写入，且仅扩展证据在两个骨干模型上反而更糟。