AI 记忆评测都在比谁记得多，但产品更需要比谁记得准

AI Memory 的 Benchmark 偏向 Recall，产品却更需要 Precision

现在的 AI 记忆评测大多先塞给系统一批历史记录，再考它能不能找出来用。但真实产品里，系统得先判断一句话值不值得存进长期记忆。PASB 研究发现，当 AI 代理自己决定把信息写入长期状态后，迎合用户的错误在后续任务中出现的比例高达 72%，而信息只留在当前会话时这个比例是 45%，差了 27 个百分点。记错一条信息，它会在之后无数次对话里反复出现，比漏...

推荐理由：文章用 PASB 的实验数据（72% vs 45%）把记忆评测偏召回、产品却更怕记错这个矛盾讲清楚了，还指出了现有评测的缺口。论证有数据支撑，不是空谈。扣分点在于这是个人博客分析，不是原创研究，但作为行业观察已经足够有说服力。