長期記憶摘要只保留 3.05% 時間表達，一句提示令時序問答準確率提高 31.4 點

長時間運作的代理通常把較舊對話濃縮成摘要，以控制上下文長度；新研究指出，問題不只是「資訊變少」，而是不同類型的資訊會被不成比例地刪除。研究者以 Salience-Weighted Consolidation（SWC）為診斷框架：先按後續內容相似度、近期程度及資訊密度替對話片段打分，高優先片段原文保留，中等片段改寫成摘要，低優先片段則捨棄。

實驗使用 LoCoMo 的十段多工作階段對話，在 4,000 token 預算下比較截斷、滑動摘要、一般 SWC 與保護時間資訊的 SWC。主要統計涵蓋 1,501 題非對抗式文字問題；回答模型為 Claude Sonnet 4.6，壓縮與評審使用 Claude Haiku。一般 SWC 的整體評審準確率為 37.9%，高於滑動摘要的 23.8%及截斷的 17.1%，顯示結構化濃縮確實能保留人物關係與事件鏈。

但分題型後出現明顯缺口：一般 SWC 在多跳與單跳題分別取得 40.7%及 45.9%，時序題卻只有 15.6%。保存率分析找到直接原因——原文中的 952 個時間表達只有 3.05%逐字進入摘要；命名實體及事件的保存率則為 8.03%與 5.03%。摘要知道「誰做了什麼」，但經常遺失「何時、多久」。

研究者只在提示加入一句要求逐字保留日期、時間、持續長度、年齡及相對時間，時間表達保存率便升至 62.39%，時序題準確率提高 0.314，從 15.6%升至 47.0%；十段對話的改善方向均一致，而人物及事件保存率幾乎不變。這對代理記憶工程的啟示很直接：壓縮規格應列出受保護的資料型別，評測也應按時間、實體、承諾及因果關係分層。

結果仍屬小規模診斷研究。它由單一研究者完成，只測一套 SWC 管線與一組 Claude 模型；逐字保存率可能漏算語意等價的改寫，完整上下文上限也只在兩段對話測量。下一步需驗證同一修正能否轉移至滑動摘要、向量記憶及其他模型，並測試時間資訊增加後是否擠掉同樣重要的權限、數值或承諾狀態。