上海AI Lab最新开源的一款AI记忆增强框架：MemHarness，它能让Agent根据当前情况重建过去经验

MemHarness并不是增加记忆容量，而是决定什么时候记忆是资产、什么时候是负债

当旧经验与当前状态不匹配时，反而会干扰决策，造成负迁移

MemHarness的方案是像人一样“批判性借鉴”，在搜经验和做动作之间，硬插了两个环节：Critic和Reconstruct

重构模块会主动比较过去的状态和现在的状态，如果差异太大，就直接丢弃这条经验，而不是强行套用

一句话总结就是MemHarness让AI不再照搬旧答案，而是学会看情况改答案，像人一样批判性使用记忆，从而避免被过时的经验误导

训练全程没有任何人工标注，完全靠GRPO结合任务奖励端到端训练

也就是说其迁移成本会比较低，换一个新任务、新领域，不需要重新定义改写规则，让Agent去跑就行了

GitHub：github.com/KnowledgeXLab/MemHarness论文：arxiv.org/abs/2607.28272

AI记忆MemHarnessHarness