MemChain 在檢索後重組代理記憶，以證據軌跡縮短送入回答模型的上下文

長期記憶代理通常採用「檢索即證據」架構：向量搜尋取回數段歷史後，全部交給回答模型自行判斷相關性、處理重複資訊與衝突。新研究提出的 MemChain 在檢索器與回答模型之間加入可訓練的記憶政策，將這個處理過程獨立成一個可檢查的中介層。

MemChain 先依使用者問題產生 evidence plan，再按照語意角色與相依關係，把候選記憶排列成 grounded evidence trace；最後執行選取、合併或刪減等記憶動作，輸出較短的 active memory。回答模型本身可以保持凍結，因此部署者理論上能替換後端模型，而不用重新設計整套檢索管線。

訓練分成兩階段。第一階段以監督式軌跡學習，讓中介模型產生格式有效的計畫、證據鏈與動作；第二階段使用 Trace-Guided Memory Policy Optimization。這個強化學習目標不只獎勵最終答案，也同時約束證據支持度、軌跡落地性、結構有效性，以及不同 rollout 間的答案穩定度，試圖避免政策為提高分數而產生無法追溯的摘要。

作者在 LoCoMo 與 LongMemEval-S 上表示，MemChain 搭配封閉或開放權重的凍結回答模型都取得當時最佳表現，並大幅減少送入回答模型的記憶上下文。這對工程端的意義是：長期記憶的成本控制不必只靠縮小 top-k，也可以在檢索後進行具任務條件的證據編排。

不過，摘要沒有提供可直接比較的 token、延遲與訓練成本數字，完整程式及模型權重也未見同步公開。LoCoMo 本身只有十段經標註的長對話；LongMemEval-S 亦是固定問答評測。接下來應觀察證據壓縮在持續寫入、互相矛盾的真實企業記憶中是否仍可靠，以及可解釋軌跡是否真的對應模型採用的資訊，而不只是另一段看似合理的文字。