一份“已通过”的记录最危险的时候，不是它被写错的那天，而是它依据的东西悄悄换了版本的那天。报验合格写在纸面上，图纸后来改了一版，规范换了一版，那批材料的复试报告有效期过了——没有任何一条记录被改过，但其中有些已经不该再被引用。真正麻烦的是，设计变更单只会点名改了哪个部位，不会附一张“因此作废的下游结论清单”。
一、失效从来不在结论旁边发生
arXiv 2610.25123 把这个现象做成了一个可以量的问题。作者设定的场景是智能体通过注册表接口发布软件包、模型和数据集，记住过去的校验结果以省下重复劳动。一个结论是站在前提上的：签名密钥被吊销时，建在它之上的一切都过不了，可安全公告只点名那把密钥，依赖它的那些旧结论可能永远和它不在同一个检索窗口里。
作者把这叫“失效的非局部性”。与之相对的是，推导是局部的——每条结论在写入的那一刻，都能清楚说出它依据的是哪几个版本。
在 Fallout 这个生成器造出的长程模拟对话里，只读原子事实记忆的智能体发布了 62% 的上游已失效对象——每一条背后都有一份“写入时为真”的记录，没有一条是编造的。Tether 把这个比例压到 0.3%，同时比“每次都全查”少 37% 的校验调用。
二、写入时记依据，读取时撤结论
Tether 的机制只有两步，且都不碰模型。写入时，它在存下结论的同时记下这条结论派生自哪些对象版本——一条依赖边。读取时，它在整个存储范围内检查这些版本有没有在某个地方失效，只要支撑链上任何一环失败，这条结论就不再作为“通过”返回给智能体。
关键在最后一步：它不做全量重验，也不做粗放作废。论文给出的对照很能说明问题。只要记到一处失效就清空全部结论，安全性和 Tether 相当，但多花 32% 的校验；把检索窗口放大到整个存储、上下文给到八倍，原子事实记忆仍然发布 25% 的失效对象。已有的记忆系统则分成了两拨：Mem0 靠记忆更狠，半个校验出一个候选，发布 42%；A-Mem 与 Graphiti 把不安全率压到 8.9% 与 8.7%，办法是几乎每个候选都重验（0.86 与 0.83 次校验），省下的算力又还了回去。
省下来的那 37% 有明确来源：只重验被撤回的部分。这意味着“知道该怀疑谁”本身就是一种产能。
三、边界在写入那一下
这套办法不靠更强的模型，靠的是写入时有没有把“我依据了什么”记下来。论文把失效条件写得很直白：关系与结论在同一轮对话里给出时，写入器能恢复 99.8% 的真实依赖边；两者分散在不同会话时，下游不安全发布率升到 9.4% 至 22.1%。漏掉依赖边的弱写入器会以同样方式失去安全性。
这是一个工程结论，不是一个模型结论。它意味着决定成败的是表单怎么设计、结论和依据是否必须同时提交，而不是用哪个模型去读这些记录。
同一天还有一篇预印本从另一个维度碰这个问题。arXiv 2610.22426 提出的 PRIME 处理的是“依据够不够”：组织的需求经常允许多条满足路径，比如一份漏洞报告可以靠“严重等级加一份经审核的公告”达到可调查标准，也可以靠“一条已发布公告的链接”达到同一标准。智能体在这里会犯两类错——必查项已经失败却仍然放行，或者不去试另一条本来还能走通的路，直接退到更弱的结论。PRIME 的做法是在开始检查之前先固定证据路线，规定每种强度的结论可以由哪些证据组合支撑，再由一个独立于生成过程的程序记录每一次检查结果，拒绝任何检查结果不支持的结论，同时把可能支撑更强结论的检查指给智能体。在 480 个公开记录任务上，只拿到需求的智能体在 26.7% 的任务上给出了无据结论，PRIME 一条没有；加上定向补查之后，有据结论的平均分从只拒绝的 30.1 抬到 59.2（满分 100）。
两篇论文合起来说的是一件事：结论的可信度有两个维度，一是依据当时够不够，二是依据现在还成不成立。只做其中一件，另一件就会在最需要的时候出问题。
四、搬到施工企业：给验收结论系绳
建筑施工里几乎每一条有后果的结论都站在可版本化的前提上。一份检验批验收记录背后是图纸版次、规范年号、材料复试报告编号、计量器具检定有效期、分包资质有效期、专项方案审批版本。这些前提有一个共同点：它们都会变，而且变更通知只点名自己。
图纸变更是最典型的。某部位的变更单下来之后，之前按原图验收的隐蔽工程记录、已审批的钢筋配料单、已复核的工程量、已排的进度计划，全部建立在旧版上。变更单不会列下游清单，实际做法通常是靠施工员和技术负责人各自记着哪些要返工——记着的人一换，这份清单就没了。
规范换版同理。新规范实施后，按旧版验收合格的检验批到底要不要复核，实际靠的是文件里那句“实施前已完成的按原标准执行”。这句话本身就是一条支撑关系，只是它写在文件里、不在数据里。
落到具体岗位上，改变发生在三个地方。质量员在填报验结论时，多了一组必填的“依据”字段，指向图号版次、规范条目、报告编号这类可版本化的对象，而不是一句“符合设计要求”；这一步的代价是填表时间变长，收益是后面能省掉整轮排查。技术负责人在收到变更单时，多一道登记动作——把变更指向的对象版本写进同一个库，这一步决定了后面能不能自动撤回，是整个链条里最不能省的一环。被撤回的记录不直接作废，而是进入“暂停引用、等待重判”的状态，重判由原签发人做，因为他才知道当时为什么判通过。
这套东西还有一个反直觉的收益：撤回清单本身会成为一份资产。哪些部位反复被设计变更牵动、哪类规范条目的适用版本最容易过期，看这张清单比看事故报告早得多。
五、成立条件，以及必须重做的部分
成立条件有三条。一是依据必须是可枚举、可版本化的对象；如果一条结论的依据是“老师傅的经验”或者一次口头交底，绳系不上去，这类结论只能单独标记、走人工回看。二是失效事件必须有统一的登记口，并且登记时能指向具体的对象版本；图纸变更、规范换版、资质过期、报告失效这四类事件如果分散在不同部门和不同系统里，撤回就无从谈起。三是撤回之后必须有明确的重判人和时限，否则撤回清单会越积越长，最后和没有一样。
必须重做的部分比想象的靠前。多数施工企业的台账里其实已经有图号、规范条目和报告编号，问题在于它们是人读的字符串，不是可机读的对象标识。所以第一件事不是上模型，是把这些字段标准化——同一份图纸的不同版次要有各自的标识，同一本规范的不同年号要有各自的编号。这件事做不完，后面所有自动撤回都无从落地。第二件事是重判产能：Tether 只负责撤回，重验还得有人做，撤回清单的长度必须和能重判的人手匹配，否则不如回到粗放排查。
两个小试验可以先跑起来。一是挑三十份已通过的历史报验记录，人工把它们的依据版本号补齐（图号版次、规范条目、复试报告编号），再拿最近半年的设计变更单逐条比对，先量出“有多少条结论的支撑其实已经失效”这个数字——这个数字决定这件事值不值得做成系统。二是给“依据”字段加版本号，在一个项目上跑三个月，记录撤回清单的长度与重判耗时，和现行“一有变更就全量复核”的做法对比，看省下的是排查还是只是把排查往后挪。
来源与说明
[1]: Memories That Outlive Their Reasons: Dependency-Tethered Memory for Tool-Using LLM Agents（arXiv 2610.25123） —— arXiv（cs.CL） / 2026-10-18 (https://arxiv.org/abs/2610.25123) [2]: 同上，全文 HTML 版（含 Fallout 设计、Mem0/A-Mem/Graphiti 校验次数、粗放作废与整库窗口对照） —— arXiv / 2026-10-18 (https://arxiv.org/html/2610.25123v1) [3]: 同上，预印本镜像（摘要与作者信息） —— arXiv Vanity / 2026-10-18 (https://arxiv-vanity.com/papers/2610.25123) [4]: PRIME: Towards Verifiable Evidence-Grounded Reasoning in LLM Agents（arXiv 2610.22426） —— arXiv（cs.AI） / 2026-10-19 (https://arxiv.org/abs/2610.22426) [5]: 同上，全文 HTML 版（含 480 个任务、26.7% 与 30.1 到 59.2 的分数口径） —— arXiv / 2026-10-19 (https://arxiv.org/html/2610.22426v1) [6]: PRIME paper proposes verifiable, evidence-grounded checks for LLM agents（第三方摘要） —— Tech Meridian / 2026-10-19 (https://techmeridian.news/events/2189) [7]: MemCurrent: Designing Persistent Memory for Production Agents（记忆产品化的同日对照） —— Databricks / 2026-10-20 (https://www.databricks.com/blog/memcurrent-designing-persistent-memory-production-agents) [8]: Databricks introduces AI memory that triples task pass rates in its tests（含 114 用例与消融口径） —— Superpower Daily / 2026-10-20 (https://superpowerdaily.com/posts/databricks-introduces-ai-memory-that-triples-task-pass-rates-in-its-tests) [9]: We stopped reviewing code and started verifying intent（把重复审查意见写成机器执行的不变量） —— Tessl（Ankit Jain） / 2026-10-20 (https://tessl.io/blog/we-stopped-reviewing-code-and-started-verifying-intent) [10]: AI Developer Digest — October 20, 2026（PRIME 的“预承诺加账本”提法出处） —— Fabio Pacifici / 2026-10-20 (https://fabiopacifici.com/ai-developer-digest-october-20-2026)
检索截止：2026-10-21 06:30（Asia/Shanghai）。Tether 与 PRIME 均为近期提交的预印本，未经同行评审；Tether 的 Fallout 与 PRIME 的 480 个任务都是作者自建环境，全部数字为自评，无第三方复现。文中施工企业场景为迁移推演，不包含真实项目数据。