CounterMem：把经过检验的反事实修正变成可复用记忆

图1为什么把同状态检验、适用条件和跳过记忆放在不同阶段？

1. 1

   从失败决策生成有限局部替代

   图1左侧Local edits只修改一个决策单元，使用同一LLM提出最多4个候选，每任务最多扩展两次失败。World model在这里是Lean、仓库测试、SQL结果检查或求解器，不是神经视频预测器。源状态可复制或重置，才可比较修改前后。

2. 2

   检验增益，再保存带条件的对照

   Verify在同一状态执行原动作和候选，效用增益需超过0.05并通过去重/冲突等准入规则。记录含情境、前后动作、结果证据、适用条件和历史复用效用，最多200条。图下SQL示例通过表间关系更正过滤谓词；仅返回一行本身不能证明任意查询正确，仍需参考结果检查。

3. 3

   检索相容经验，并允许不用

   右上Retrieve先排除同任务来源及条件不符记录，以512维字符n-gram哈希相似度加复用效用排序，最多取3条。DQN从一条记录或skip中选，LLM再修改原草稿；3条候选并不是合并3条建议。源码未开放，本段具体配置来自附录而非本站执行。

4. 4

   分开构建、训练和冻结评估

   构建阶段更新记录和效用，随后冻结记忆，训练98维输入、两层64单元的DQN共2000个决策步，奖励完成任务并扣调用、失败及token成本。测试时记忆、复用统计、选择器均冻结，基础LLM始终固定；图中Learn只在训练阶段，不能宣传为测试期间持续自我学习。

已阅读v1完整正文及附录A–E、12基准细分和成本口径，核对图1。以下为作者实验，本站未复现；缺失运行清单和检查器轨迹限制独立验证。

摘要明确代码将在接收后发布；本次论文页面未提供可核实实现仓库。附录说明完整重跑还需要任务manifest、runner、环境、检验轨迹和选择器权重，不把数值汇总及绘图材料当作完整开源。

LICENSE未确认实现或权重许可。论文为arXiv非独占托管许可；图1仅用于必要方法评论，版权归作者，图中第三方标识不代表背书。