Memory Depth, Not Memory Access: Selective Parametric Consolidation for Long-Running Language Agents

论文区分 memory access 和 memory depth：检索能找回事实，但不保证经历在上下文卸载后继续影响行为。作者用 loop-drift protocol 测试长期干扰下的目标保持，EVAF 通过 surprise 与 valence gated LoRA 写入实现选择性巩固；在 GPT-2/TinyLlama 上，retrieval 短事实准确率 0.956-0.973，EVAF 的 goal persistence 与 post-unload recovery 达 0.812-0.904。它把长期 agent memory 的问题边界划得更细。