最小可重建記憶：從逐幀保存到因果充分性

英文題名： Minimal Reconstructive Memory: From Lossless Experience Storage to Causal Sufficiency
簡稱： MRM
版本： v0.1
日期： 2026-08-17
作者： Neo.K（許筌崴）
協作： GPT-5.6 Sol
文件性質： 理論命題／記憶壓縮與重建形式化／ANLA 核心記憶原理
上游依賴： GPR-D《生成域—過程域—結果域》
文獻檢索截點： 2026-08-17

摘要

若長期記憶的目的不是逐幀保存所有曾經發生的資訊，而是支持未來的辨認、預測、行動、解釋、身份連續性與歷史查證，那麼記憶系統就必須回答一個比「能不能壓縮」更基本的問題：

哪些資訊可以不被完整保存，因為它們能從已保留結構可靠重建？

人類記憶研究早已顯示 episodic recall 具有 reconstructive 性。2024 年 Spens 與 Burgess 的生成式記憶模型提出，episodic memory 可由快速保存的獨特資訊與逐步學得的 generative / schema knowledge 協同重建；與既有經驗一致、重建誤差低的部分不必以同等細節重複編碼。2024 年 Lin 等人的實驗與模型又發現，較難從壓縮表徵重建的視覺資訊留下更強記憶痕跡，支持「reconstruction residual」可能與記憶保存需求有關。2026 年 Spens 與 Burgess 更進一步以 compressive retrieval-augmented generation 描述 hippocampal–neocortical interaction：compressed episodic retrieval 與 generative general knowledge 協同支持過去重建與未來問題解決。

這些結果並不證明「只要模型能猜回來就可以刪除原始記憶」。相反，gist、schema 與 generative reconstruction 同時會產生 schema-based distortion 與 false memory。2025 年 false-memory research 亦再次顯示 gist strength 可系統性影響 false recognition。

本文因此提出 Minimal Reconstructive Memory Principle（MRMP）：

長期記憶系統應尋找在指定用途與真實性要求下，足以重建必要資訊與功能的最小充分記憶結構，而不是追求無條件的最大保存或最大壓縮。

形式上，對完整事件記憶 (M)，尋找：

\boxed{ M^* = \arg\min_{M'\subseteq M} C(M') }

subject to：

\boxed{ Q_j(M') \ge \tau_j, \qquad \forall j\in\mathcal J_{\mathrm{required}}. }

其中：

(C(M'))：保存、檢索、注意與驗證總成本；
$Q_j$ ：第 (j) 類重建 fidelity；
$\tau_j$ ：該用途要求的最低重建門檻。

本文拒絕使用單一 reconstruction score，而定義：

\boxed{ \mathbf Q_{\mathrm{rec}} = ( Q_F, Q_C, Q_H, Q_V, Q_I, Q_E ) }

分別表示：

$Q_F$ ：functional reconstruction；
$Q_C$ ：causal reconstruction；
$Q_H$ ：historical reconstruction；
$Q_V$ ：verbatim / exact reconstruction；
$Q_I$ ：identity / relationship reconstruction；
$Q_E$ ：evidentiary / scientific reconstruction。

因此，同一段過程細節可以在功能任務中安全被 schema 重建，卻在法律證據、科學 raw data、身份關係或重要原話情境下絕不能只靠生成式模型補完。

本文提出最重要的護欄：

\boxed{ \text{generative plausibility} \neq \text{historical recovery}. }

沒有 provenance、原始證據或可驗證外部來源時，模型生成的合理細節只能被標記為：

\boxed{ \text{reconstruction hypothesis}, }

不能被回寫成「原來真的發生過」。

本文將「可重建」進一步分為：

Internal reconstructability：由既有 schema / retained memory 重建；
External reconstructability：由可信外部來源重新取得；
Procedural reconstructability：由 deterministic / verified procedure 再生成；
Historical non-reconstructability：若失去原始紀錄，就無法證明當時真實歷史。

本文最後將 ANLA 的記憶決策從「KEEP vs DELETE」改寫為：

\boxed{ KEEP, COMPRESS, SCHEMA, ARCHIVE, RE\!-\!FETCH, FORGET, ERASE }

並提出：

\boxed{ \text{Retention Value} \propto \text{Irreplaceability} \times \text{Required Fidelity} \times \text{Future Consequence}. }

因此，真正值得長期高保真保存的資訊，不是所有「曾經出現過」的資訊，而是那些若失去後，無法在所需 fidelity 下可靠恢復，而且其缺失會破壞事件因果、歷史真實、身份連續性、科學可重現性或未來決策的資訊。

關鍵詞： reconstructive memory；minimal sufficient memory；gist；schema；causal sufficiency；provenance；false memory；ANLA；memory compression；memory reconstruction

0. 邊界聲明

本文不主張：

\boxed{ \text{human memory is optimally compressed}. }

不主張：

\boxed{ \text{all details that can be guessed are safe to delete}. }

也不主張：

\boxed{ \text{generative AI reconstruction equals historical truth}. }

本文提出的是一個工程／認知命題：

如果某些資訊的未來功能可以由較小記憶結構可靠重建，則它們不必永遠以原始高解析形式佔據 active long-term memory。

但：

\boxed{ \text{reconstructable function} \neq \text{reconstructable history}. }

1. 從 GPR-D 到「保存多少？」

GPR-D 將事件寫成：

\mathcal E = ( \mathcal G, \mathcal P, \mathcal R; \Phi_{GP}, \Phi_{PR}, \Phi_{GR} ).

其中過程域：

\mathcal P

往往最大。

若事件長時間運行：

|\mathcal P^{raw}| \gg |\mathcal G|, |\mathcal R|.

問題：

是否每一個 $p_i\in\mathcal P$ 都需要永久保留？

本文回答：

\boxed{ \text{not necessarily}. }

2. Lossless Event Memory

最極端模型：

M_{\mathrm{lossless}} = \{ x_1,x_2,\ldots,x_n \}.

要求：

\forall i,\quad x_i \text{ retained exactly}.

這類模型在：

forensic record；
raw experiment；
audit；
legal evidence；

可能合理。

但對一般 adaptive cognition，

成本未必合理。

3. Lossless Storage 與 Cognitive Utility 不同

即使 storage cost：

C_S\rightarrow0,

仍有：

C_R = \text{retrieval cost},

C_A = \text{attention / interference cost},

C_V = \text{verification cost}.

所以：

\boxed{ \text{cheap bytes} \neq \text{free cognition}. }

4. Reconstructive Memory

定義：

\widehat x = R( M', S, C, E ),

其中：

(M')：retained memory；
(S)：schema / general knowledge；
(C)：current context；
(E)：optional external evidence。

若：

\widehat x \approx x,

則：

x

具有某種 reconstructability。

5. 2024 Generative Memory Model 的鄰接意義

Spens 與 Burgess 的模型將：

rapidly stored hippocampal episodic information；
generative neocortical representations；

結合。

隨 consolidation：

\boxed{ \text{general statistical structure} }

可以支援：

semantic memory；
episodic reconstruction；
imagination；
relational inference。

這提供：

\boxed{ \text{partial memory + generative structure} \rightarrow \text{reconstructed experience} }

的計算可能性。

6. 但 Generative Model 也會產生 Distortion

同一模型也產生：

\boxed{ \text{schema-based distortions}. }

所以：

\boxed{ \text{ability to reconstruct} \neq \text{ability to recover exact history}. }

7. Reconstruction Residual

2024 Lin 等人提出：

若 compressed representation：

z=C(x),

decoder：

D(z)=\widehat x,

則：

\epsilon_R = d(x,\widehat x)

是 reconstruction residual。

研究發現：

\boxed{ \epsilon_R\uparrow \Rightarrow \text{memorability}\uparrow }

在其視覺記憶資料與實驗中成立。

8. 本文不把這個結果直接一般化

Lin 等人的研究是：

visual representations；
specific sparse-coding account；
memorability tasks。

所以本文只能抽象成候選原理：

\boxed{ \text{hard-to-reconstruct information may deserve more explicit storage}. }

需另驗。

9. Minimal Reconstructive Memory Principle（MRMP）

定義：

\boxed{ M^* = \arg\min_{M'\subseteq M} C(M') }

subject to：

Q_j(M') \ge\tau_j.

也就是：

保存最小但仍充分的記憶結構。

10. 「最小」不是最短字串

\boxed{ \text{minimal} \neq \text{minimum token count}. }

如果很短的 summary：

\widehat M

造成：

Q_C,Q_H

大幅下降，

它就不是有效 MRM。

11. 「充分」必須相對於用途

不同用途：

T_1,T_2,\ldots

要求不同：

\tau_j.

例如：

Routine action

\tau_F\uparrow, \quad \tau_V\downarrow.

Legal evidence

\tau_V, \tau_H, \tau_E \uparrow\uparrow.

12. Reconstruction Fidelity Vector

本文定義：

\boxed{ \mathbf Q_{\mathrm{rec}} = ( Q_F, Q_C, Q_H, Q_V, Q_I, Q_E ). }

13. Functional Reconstruction $Q_F$

重建後是否仍可：

完成任務；
做出正確操作；
延續 workflow。

14. Causal Reconstruction $Q_C$

是否仍可回答：

為什麼發生？
哪個 pivot 改變 trajectory？
哪個條件導致結果？

15. Historical Reconstruction $Q_H$

是否能判定：

當時實際發生過什麼？

這要求：

\boxed{ \text{source fidelity} }

而非只要合理。

16. Verbatim Reconstruction $Q_V$

是否能恢復：

exact words；
exact numbers；
exact ordering；
exact code / equation。

17. Identity / Relationship Reconstruction $Q_I$

是否保留：

commitment；
relationship history；
identity-defining event；
value-changing experience。

18. Evidentiary / Scientific Reconstruction $Q_E$

是否保留：

raw evidence；
provenance；
transformation history；
reproducibility chain。

19. 同一記憶可在六維上不同

例如：

某次 routine backup 完成。

可能：

Q_F

要求高，

但：

Q_V

要求低。

20. 重要對話原話

可能：

Q_I,Q_H,Q_V \uparrow.

不能只保：

「對方大概同意。」

21. Scientific Raw Data

可能：

Q_E,Q_H,Q_V \uparrow\uparrow.

即使 model 可以生成看起來合理的 data：

\boxed{ \text{never substitute generated data for raw evidence}. }

22. Reconstruction Classes

本文區分四種主要 reconstructability。

23. Internal Reconstructability

Q_{\mathrm{int}} = P( x \text{ recoverable from } M',S ).

即：

memory + schema。

24. External Reconstructability

Q_{\mathrm{ext}} = P( x \text{ recoverable from trusted external sources} ).

例如：

official documentation；
paper；
public database。

25. Procedural Reconstructability

若：

x = F(z)

且：

F,z

都可驗證保存，

則：

x

可以 deterministic / reproducibly regenerate。

26. Historical Non-Reconstructability

若：

x

是：

spontaneous speech；
transient observation；
unlogged event；

且沒有 external evidence，

刪掉後：

\boxed{ Q_H\rightarrow0. }

任何 AI 後來生成的版本都只是：

\boxed{ \text{plausible reconstruction}. }

27. Historical Truth Floor

本文提出：

\boxed{ \textbf{Historical Truth Floor（HTF）}. }

若：

Q_H

要求超過某門檻：

\tau_H,

則至少需要：

\boxed{ \text{provenance-backed evidence}. }

純 generative reconstruction 不得計入：

Q_H^{verified}.

28. Generative Plausibility ≠ Historical Recovery

核心護欄：

\boxed{ P(x\mid context)\uparrow \not\Rightarrow x \text{ actually occurred}. }

29. Reconstruction Hypothesis

若缺 provenance：

AI 可以輸出：

\widehat x

但 metadata 必須：

status: reconstructed_hypothesis
historical_verification: false
confidence: ...
sources: ...

不能回寫成：

status: remembered_fact

30. False Memory Risk

2025 false-memory research 顯示：

gist strength 可以和 false recognition 有系統關係。

所以：

\boxed{ \text{gist is useful} }

同時：

\boxed{ \text{gist can bias reconstruction}. }

這兩點必須同時存在。

31. Reconstruction Error

定義：

E_j = 1-Q_j.

不同用途的總風險：

\boxed{ E_{\mathrm{total}} = \sum_j w_jE_j. }

32. Safe Compression / Forgetting Gate

對 fragment：

m_i,

只有當：

E_{\mathrm{total}}(m_i) \le \epsilon

且：

\text{irreversibility risk}

可接受時，

才進一步降低保存層級。

33. Irreplaceability

定義：

I_R(m) = 1- Q_{\mathrm{best-reconstruct}}(m).

其中：

Q_{\mathrm{best-reconstruct}} = \max( Q_{\mathrm{int}}, Q_{\mathrm{ext}}, Q_{\mathrm{proc}} ).

34. Retention Value

候選：

\boxed{ V_{\mathrm{retain}}(m) = I_R(m) \cdot F_{\mathrm{required}}(m) \cdot C_{\mathrm{future}}(m). }

35. $F_{\mathrm{required}}$

該記憶需要的 fidelity。

例如：

gist；
exact；
evidence-grade。

36. $C_{\mathrm{future}}$

失去它對未來：

decision；
identity；
verification；
safety；

的 consequence。

37. 可替代 ≠ 不重要

一份重要論文：

Importance\uparrow

但如果：

DOI known；
source stable；
network accessible；

則完整內容的 internal retention：

V_{\mathrm{retain}}^{internal}

可以低。

38. 不可替代 ≠ 長

一句：

「我願意。」

如果是關鍵承諾，

可能：

I_R\uparrow, F_{\mathrm{required}}\uparrow, C_{\mathrm{future}}\uparrow.

即使只有三個字。

39. Minimal Sufficient Set

對 event：

E

定義 candidate subset：

M'\subset M_E.

若：

\mathbf Q_{\mathrm{rec}}(M') \ge \boldsymbol\tau,

則稱：

\boxed{ \text{Reconstructively Sufficient Set（RSS）}. }

40. Minimal Reconstructively Sufficient Set

若：

M^*

是所有 RSS 中總成本最低：

\boxed{ M^* = \arg\min_{\mathrm{RSS}} C(M'). }

則為：

\boxed{ \text{MRSS}. }

41. 成本函數

C(M') = \alpha C_S + \beta C_R + \gamma C_A + \delta C_V.

其中：

storage；
retrieval；
attention/interference；
verification。

42. 這裡 storage 可能反而權重最低

現代／未來 storage：

C_S\downarrow.

但：

C_A,C_V

仍可能高。

所以：

\boxed{ \text{MRM is not primarily a disk-space theory}. }

43. GPR-guided MRSS

由 GPR-D：

M^*

優先保：

$\mathcal G$

trigger；
original goal；
critical constraints。

$\mathcal P$

pivots；
decisions；
failures that change future policy；
exceptions。

$\mathcal R$

outcome；
consequences；
unresolved state。

44. Process Skeleton

對過程：

\mathcal P = (p_1,\ldots,p_n),

抽：

\boxed{ B_P = \{ p_{i_1},p_{i_2},\ldots,p_{i_k} \} }

作 process skeleton。

45. Skeleton 條件

若：

B_P + \mathcal G + \mathcal R + S

可以滿足：

Q_F,Q_C \ge\tau,

則普通 intermediate points 可降級。

46. Pivot Density

定義：

\rho_P = \frac{ |B_P| }{ |\mathcal P| }.

routine deterministic process：

\rho_P\downarrow.

novel research / negotiation：

\rho_P\uparrow.

47. Routine Workflow

如果：

\mathcal P

由 versioned deterministic procedure：

F

重建，

則可以保：

\{ G, F, R, exceptions \}.

48. Debugging / Proof

如果每個失敗 branch 對結果有重要解釋力，

則：

B_P

較大。

不能只保 final answer。

49. Failed Routes 的價值

一個 failed route：

f_i

如果未來避免重複探索：

W_F(f_i)\uparrow.

可以壓成：

Route X failed because condition C violated.

不必保所有 token。

50. Negative Knowledge

因此 MRSS 也應包含：

\boxed{ K^{-} = \text{what was tried and ruled out}. }

51. 可以重建 ≠ 值得每次重建

如果：

C_{\mathrm{reconstruct}} \gg C_{\mathrm{retain}},

即使：

Q_{\mathrm{rec}}\approx1,

也可能應保存。

52. Reconstruct vs Retain Trade-off

定義：

\Delta C = C_{\mathrm{reconstruct}} - C_{\mathrm{retain}}.

若：

\Delta C\gg0,

KEEP。

若：

\Delta C\ll0

且 fidelity 足夠，

可 COMPRESS / FORGET。

53. Reconstruction Latency

某資訊需要：

10\text{ min}

重建，

但每秒都會用，

顯然不合理。

所以：

\boxed{ \text{frequency matters}. }

54. Access Frequency

定義：

f_A(m).

高：

f_A

提高 active retention value。

55. Temporal Volatility

外部知識：

x(t)

若變化快，

舊 internal copy：

x(t_0)

可能危險。

所以：

V_{\mathrm{retain}}^{content}

可能下降，

而：

V_{\mathrm{retain}}^{route}

上升。

這是下一篇 Epistemic Routing 的核心。

56. Internal Reconstruction

人腦式：

M'+S \rightarrow \widehat E.

優點：

fast；
offline。

缺點：

schema distortion；
false memory。

57. External Reconstruction

Address + Query + Source \rightarrow x.

優點：

fresh；
evidence-backed。

缺點：

availability；
latency；
trust；
network dependency。

58. Hybrid Reconstruction

最佳可能：

\boxed{ \text{internal schema} + \text{external evidence} \rightarrow \text{verified reconstruction}. }

這比 pure generative memory 更適合 AI。

59. 2026 Compressive RAG Memory Model 的鄰接

Spens 與 Burgess 2026 model 直接將：

compressed episodic traces；
generative general knowledge；
episodic retrieval into working memory；

描述為類 retrieval-augmented generation interaction。

這給 AI memory design 一個很有趣的生物計算類比。

但本文不主張：

\boxed{ \text{brain literally runs LLM RAG}. }

只是 algorithmic analogy。

60. Reconstruction Provenance

任何 reconstruction：

\widehat x

應保：

reconstruction_id
source_memories
external_sources
schema_version
model_version
timestamp
confidence
historical_status

61. 不允許 Silent Promotion

若：

\widehat x

只是 reconstructed hypothesis，

不能因被使用多次後自動變：

\boxed{ \text{verified autobiographical memory}. }

62. Reconstruction Contamination

若：

\widehat x

被寫回 memory：

M_{t+1}=M_t\cup\{\widehat x\},

且沒有 provenance，

下一次可能把：

\widehat x

當原始 evidence。

形成：

\boxed{ \text{self-reinforcing false memory}. }

63. Provenance Barrier

本文提出：

\boxed{ \textbf{Provenance Barrier Principle（PBP）}. }

不同 epistemic status：

observed；
quoted；
inferred；
reconstructed；
simulated；

不得無痕互換。

64. Historical Memory 的禁止規則

若：

status=\text{historical fact},

至少要：

source\neq\varnothing.

若 source lost：

降級：

\boxed{ \text{unverified recollection}. }

65. Relationship Memory

對：

使用者曾經說過什麼。

如果沒有 transcript / trusted record，

AI 可以說：

我推測我們當時可能談過 X。

不能說：

你當時確實逐字說 X。

66. Identity Memory

identity-relevant memory：

Q_I

高要求時，

compression 必須保：

actor；
commitment；
causal meaning；
provenance；
branch lineage。

67. Scientific Memory

scientific conclusion：

R.

可能可保 gist。

但 raw data：

D.

若不可重新取得：

Q_E

要求高。

所以：

\boxed{ \text{conclusion reconstructable} \neq \text{evidence reconstructable}. }

68. Legal / Audit Memory

通常：

\tau_H,\tau_V,\tau_E

高。

MRM 不應成為刪證據工具。

69. Public Knowledge

公開穩定資料：

Q_{\mathrm{ext}}\uparrow.

詳細 content 可低 internal retention。

但：

\boxed{ \text{address + verification route} }

必須保。

下一篇正式展開。

70. Compression Types

本文區分：

Lossless representation compression

bit-level 可逆。

Semantic compression

保 gist / relation。

Structural compression

保 graph / causal skeleton。

Reconstructive compression

保足以再生成所需功能的 core。

71. Reconstructive Compression 風險最高

因為：

\text{decoder / schema}

本身可能變。

所以需保存：

\boxed{ \text{reconstruction dependencies}. }

72. Decoder Drift

如果當時：

D_{v1}

可重建，

幾年後只剩：

D_{v5},

可能：

D_{v5}(z) \neq D_{v1}(z).

所以：

\boxed{ \text{model version is part of provenance}. }

73. External Source Drift

URL 還在，

內容變了。

因此 external reconstructability：

Q_{\mathrm{ext}}

不能只看「有網址」。

還需要：

version；
timestamp；
checksum；
archive；
citation。

74. Reconstructability Decays

定義：

Q_{\mathrm{rec}}(m,t).

可能隨時間：

\frac{dQ}{dt}<0.

原因：

source removed；
model changed；
schema forgotten；
API gone；
format obsolete。

75. Reconstruction Insurance

高價值但可外部重建資料，

可以保：

address；
hash；
minimal local snapshot；
citation。

降低：

Q_{\mathrm{ext}}

未來崩潰風險。

76. Forgetting Decision 不是一次永久判定

memory lifecycle：

KEEP \rightarrow COMPRESS \rightarrow ARCHIVE \rightarrow FORGET.

每步可重新評估。

77. Memory Promotion / Demotion

M^A \leftrightarrow M^R \leftrightarrow M^\Omega.

reconstructability 影響：

\boxed{ \text{which layer the memory deserves}. }

78. Active Memory

高：

access frequency；
goal relevance；
low reconstruction latency。

79. Retrievable Memory

不需 active，

但：

future value；
moderate reconstruct cost。

80. Archive

低 access，

但：

provenance；
historical insurance；
rare recovery。

81. Forget

退出 routine retrieval。

仍可能留下：

tombstone；
hash；
reason；
deletion log。

82. Erase

真正不可恢復。

這需要前篇 Memory Autonomy / privacy / safety 治理。

MRM 不自動授權 erase。

83. Tombstone

被 forget / erase 的 memory 可以只留：

memory_id
operation
date
reason
provenance_hash
recovery_status

若 privacy 要求連 tombstone 都不能留，另論。

84. Reconstructability Score 不應單一化

即使工程想要 scalar：

Q_{\mathrm{scalar}} = \sum_jw_jQ_j,

也應同時保原 vector。

避免：

Q_F=1, Q_H=0

和：

Q_F=0.5, Q_H=0.5

被誤視一樣。

85. Hard Constraints

對某些記憶：

Q_H\ge0.99

是 hard constraint，

不能被高：

Q_F

補償。

86. Soft Objectives

對 routine task：

Q_V

可以是 soft。

所以 MRMP 是：

\boxed{ \text{constrained optimization}, }

不是單一 utility maximization。

87. Uncertainty

重建品質：

Q_j

也只是估計。

應記：

P(Q_j\mid data).

88. Conservative Deletion

若 uncertainty：

\sigma_Q\uparrow

且：

w_I,w_H,w_E\uparrow,

應偏：

KEEP/ARCHIVE.

89. Aggressive Compression

如果：

Q_F,Q_C

高可信，

而：

W_H,W_I,W_E,W_V

低，

可積極：

COMPRESS.

90. Reconstructive Sufficiency vs Predictive Sufficiency

一個 memory core 可以足夠預測：

Y,

但不足以重建：

E.

所以：

\boxed{ \text{prediction} \neq \text{reconstruction}. }

91. Causal Sufficiency

對 decision：

如果：

M'

保留所有對 outcome relevant 的 causal parent / pivot，

可說：

Q_C\uparrow.

但這仍可能不保歷史細節。

92. Counterfactual Sufficiency

若需要回答：

如果當時沒做 X 會怎樣？

則需要更多：

\mathcal P

branch / causal alternatives。

MRSS 因 task 而變大。

93. Explanation Task

要求：

為什麼得到 R？

需要：

\mathcal G+B_P+\mathcal R.

94. Replication Task

要求：

怎麼再做一次？

需要：

procedure + parameters + exceptions.

95. Historical Audit Task

要求：

當時究竟做了什麼？

需要：

raw / logs / provenance.

96. 一個事件可能有多份 MRSS

M^*_{functional} \neq M^*_{historical} \neq M^*_{scientific}.

所以：

\boxed{ \text{there is no context-free minimal memory}. }

97. Multi-Purpose Memory

若同一記憶服務：

T_1,\ldots,T_n,

MRSS 需滿足聯集約束：

Q_j\ge \max_k\tau_{jk}.

98. Memory Overprovision

有時保更多比計算最小集便宜。

所以 ANLA 不必真的 solve exact combinatorial optimum。

可以用：

\boxed{ \text{safe approximate MRSS}. }

99. MRSS Optimization 可能很難

找最小 subset 保所有 functional constraints，

可類似：

subset selection；
set cover；
information bottleneck；

問題。

本文不宣稱有多項式最優演算法。

100. Heuristic Policy

先保：

GPR pivots；
exceptions；
provenance；
high identity/evidence；
low reconstructability；
high future access。

再對其餘 compression。

101. Human Memory 的啟發不是照抄

人類 memory reconstruction 會：

bias；
distortion；
false recall。

AI 不應：

因為人類會腦補，所以 AI 也可以亂補。

102. AI 的優勢

AI 可以：

保 provenance；
保存 multiple versions；
re-fetch；
compare reconstruction to source；
separate hypothesis from record。

所以理想 AI memory 可以比人類：

\boxed{ \text{more reconstructive} }

同時：

\boxed{ \text{more epistemically explicit}. }

103. AI 的風險

如果生成模型：

G_\theta

和 memory store 混在一起，

很容易：

\boxed{ \text{generation contaminates memory}. }

所以必須 epistemic tagging。

104. Memory Status Taxonomy

每筆：

observed
quoted
measured
inferred
summarized
schema
reconstructed
simulated
externally_refetched
verified
disputed

105. Status Transitions

允許：

reconstructed \rightarrow verified

若找到 source。

不允許：

reconstructed \rightarrow observed

無證據自動升級。

106. ANLA Memory Decision Function

\pi_M(m) = f( \mathbf W, \mathbf Q_{\mathrm{rec}}, C_{\mathrm{retain}}, C_{\mathrm{reconstruct}}, U_{\mathrm{uncertainty}}, T_{\mathrm{status}} ).

輸出：

\{ KEEP, COMPRESS, SCHEMA, ARCHIVE, RE\!-\!FETCH, FORGET, ERASE \}.

107. KEEP

原樣或高保真。

適合：

evidence；
identity-critical；
low reconstructability。

108. COMPRESS

保核心 detail / causal skeleton。

109. SCHEMA

多 episodes 抽 invariant。

但保 exceptions。

110. ARCHIVE

退出 active retrieval，

仍保歷史原始版本。

111. RE-FETCH

內部不保 stale detail，

需要時從 source 重取。

下一篇正式展開。

112. FORGET

退出 normal memory graph。

保最低治理 metadata。

113. ERASE

不可恢復刪除。

需要額外 governance。

114. MRM 與 Attention

若大量低價值：

m_i

保持：

M^A,

會增加：

C_A.

MRM 的目的之一：

\boxed{ \text{free active attention without destroying necessary reconstructability}. }

115. Local Forgetting, Global Expansion

如果：

M^A \downarrow

但：

\mathbf Q_{\mathrm{rec}}

保持，

則：

B_{\mathrm{attention,free}} \uparrow.

可能支援：

\boxed{ \text{future cognitive expansion}. }

116. 這不是因為保存能力不足

即使：

Storage=\infty,

MRM 仍有意義。

因為：

\boxed{ \text{attention, verification and retrieval remain selective}. }

117. MRM 的第一核心命題

\boxed{ \textbf{Reconstructive Sufficiency Principle（RSP）} }

對指定用途而言，只要保留集合足以在所需 fidelity 下重建必要功能，就沒有認知上的必然理由讓所有原始細節保持同等 active-memory 地位。

118. 第二核心命題

\boxed{ \textbf{Irreplaceability-Weighted Retention Hypothesis（IWRH）} }

retention priority 應隨不可替代性、所需 fidelity 與未來後果上升。

119. 第三核心命題

\boxed{ \textbf{Provenance Barrier Principle（PBP）} }

reconstruction、inference、simulation 與 observation 之間必須保留 epistemic provenance barrier，不得因內容合理而無痕轉換。

120. 第四核心命題

\boxed{ \textbf{Historical Truth Floor（HTF）} }

當任務要求歷史／證據級真實性時，沒有 provenance 的生成式重建不得被計為充分 historical reconstruction。

121. 可測預測一

若資訊：

\epsilon_R\uparrow

較難重建，

其 human memory retention / deliberate retention preference 應上升。

Lin et al. 2024 已在 visual domain 提供鄰接證據。

122. 可測預測二

給 participant 固定 memory budget。

需要 future functional task 時，

被選 fragments 應偏：

causal pivots；
exceptions；
result；
procedure。

123. 可測預測三

需要 historical audit 時，

被選 fragments 應偏：

verbatim；
timestamp；
raw record；
provenance。

124. 可測預測四

相同 fragment 在不同 task：

T_F

vs：

T_H

其 retention preference 改變。

支持：

\boxed{ \text{task-relative MRSS}. }

125. 可測預測五

AI memory system 使用 provenance-aware reconstruction：

應比 silent generative reconstruction 有更低：

\text{false historical memory rate}.

126. 可測預測六

在固定 storage 容量非常大時，

MRM memory policy 仍可能改善：

retrieval precision；
interference；
verification burden。

若沒有，

attention-cost 理論受損。

127. Null Model 1：Keep Everything

\pi=KEEP,\forall m.

若 performance 永遠最佳，

MRM 無必要。

128. Null Model 2：Compression Only

所有內容只：

COMPRESS.

不做 reconstructability classification。

若和 MRM 同效，

MRM 過度。

129. Null Model 3：Importance Only

只用：

Importance(m).

若單 scalar 足夠，

fidelity vector 過度。

130. Null Model 4：Recency / Frequency

只留最近／常用。

若已足夠，

GPR / reconstructability 無增量。

131. Null Model 5：LLM Summary

所有 history 定期摘要。

若 summary-only 在：

function；
history；
evidence；
identity；

都不劣，

MRM 多餘。

本文預期這不會普遍成立。

132. 反證條件 F1

如果：

\mathbf Q_{\mathrm{rec}}

不同 fidelity 無法可靠區分，

vector model 失敗。

133. F2

如果 reconstructability 對 retention / performance 無增量，

MRMP 強版失敗。

134. F3

如果 provenance-aware 與 silent reconstruction 在 historical errors 無差，

PBP 工程價值降低。

135. F4

如果 storage 大時 keep-all 不增加任何 retrieval / attention cost，

attention-preserving argument 需縮減。

136. F5

如果 GPR-guided skeleton 不比 random / salience skeleton 更好重建 causal structure，

GPR–MRM 接口失敗。

137. 最小實驗一：Budgeted Memory

participants 看一個複雜事件。

只能保：

k

fragments。

分 task：

future action；
causal explanation；
historical audit。

比較保留內容。

138. 最小實驗二：Reconstruction Test

一週後：

用：

M^*

重建。

分別評：

Q_F,Q_C,Q_H,Q_V.

139. 最小實驗三：Provenance Barrier

AI / participant 看到：

original；
summary；
generated reconstruction。

測一週後是否錯把 generated detail 當 original。

140. 最小實驗四：External Source

讓某些 detail 可由 official source re-fetch，

另一些不可重建。

測 retention choice 是否考慮 external reconstructability。

141. 最小實驗五：Attention Pollution

AI agent memory：

Group A keep-all。

Group B MRM。

在 long-horizon tasks 測：

retrieval precision；
wrong replay；
latency；
verification cost。

142. 下一篇接口

本篇已經引入：

Q_{\mathrm{ext}}.

下一篇正式處理：

如果專業知識可以從網路、論文、API、官方文件重新取得，那 AI 內部應記住的是內容，還是「去哪找、怎麼驗證」？

也就是：

\boxed{ \textbf{Attention-Preserving Forgetting and Epistemic Routing}. }

143. 結論

長期記憶如果只追求：

\boxed{ \text{maximum retention}, }

會把：

storage；
retrieval；
attention；
verification；

混成一個問題。

反過來，如果只追求：

\boxed{ \text{maximum compression}, }

又會把：

functional reconstruction；
historical truth；
evidence；
identity；

混成一個問題。

本文提出第三條路：

\boxed{ \textbf{Minimal Reconstructive Memory}. }

其核心不是：

什麼最少？

而是：

在指定用途所要求的 fidelity 下，什麼是足以重建必要功能與真實性的最小充分結構？

因此：

\boxed{ M^* = \arg\min C(M') }

必須受到：

\boxed{ \mathbf Q_{\mathrm{rec}} \ge \boldsymbol\tau }

約束。

而：

\mathbf Q_{\mathrm{rec}} = ( Q_F,Q_C,Q_H,Q_V,Q_I,Q_E )

明確禁止用「功能上能大概重做」去取代「歷史上真的能證明」。

本篇最重要的防錯原則是：

\boxed{ \text{generative plausibility} \neq \text{historical recovery}. }

AI 可以重建：

「當時最可能發生什麼。」

但如果沒有 provenance，

它不能把：

「最可能」

偷偷升級成：

「我記得就是這樣。」

因此：

\boxed{ \text{reconstruction} + \text{provenance} + \text{epistemic status} }

必須一起設計。

另一方面，若某些內容：

高度可由 schema 重建；
可由 deterministic procedure 再生成；
可從可信外部來源重新取得；
不具有高歷史／身份／證據價值；

則沒有必要因為儲存成本便宜，就永遠讓它維持在 active cognitive memory。

因此：

\boxed{ \text{the value of memory is not proportional to the number of preserved details}. }

更接近：

\boxed{ \text{Memory Value} = \text{Irreplaceability} \times \text{Required Fidelity} \times \text{Future Consequence}. }

這使 ANLA 的記憶問題從：

「怎麼把上下文全部壓小？」

進一步變成：

「哪些資訊值得保留原貌，哪些只需保 causal skeleton，哪些可以形成 schema，哪些應只保 retrieval route，哪些可以退出有效記憶域？」

下一篇將完成第三個理論拼圖：

\boxed{ \textbf{Attention-Preserving Forgetting: Memory Lifecycles and Epistemic Routing in Networked Intelligence} }

把「網路、公開知識、re-fetch、verification」正式納入 AI 長期記憶架構。

參考文獻

Spens E, Burgess N. A generative model of memory construction and consolidation. Nature Human Behaviour. 2024;8(3):526–543. doi:10.1038/s41562-023-01799-z. PMID: 38242925.
Lin Q, Li Z, Lafferty J, Yildirim I. Images with harder-to-reconstruct visual representations leave stronger memory traces. Nature Human Behaviour. 2024;8:1309–1320. doi:10.1038/s41562-024-01870-3.
Spens E, Burgess N. Hippocampo-neocortical interaction as compressive retrieval-augmented generation. Nature Communications. 2026. doi:10.1038/s41467-026-74357-6. PMID: 42350398.
Rubínová E, et al. Similarity is associated with where repeated-event memories fall on the semantic–episodic continuum. Memory & Cognition. 2025;53(8):2635–2654. doi:10.3758/s13421-025-01729-6. PMID: 40394414.
Chang M, Brainerd CJ, Bialer DM, Liu X. How gist and association affect false memory: False recognition and gist rating norms. Behavior Research Methods. 2025;57(6):159. doi:10.3758/s13428-025-02681-8. PMID: 40301222.
Antony JW, Stiver CA, Graves KN, Osborne J, Turk-Browne NB, Bennion KA. Spatial gist extraction during human memory consolidation. Journal of Experimental Psychology: Learning, Memory, and Cognition. 2022;48(7):929–941.
Tompary A, Zhou W, Davachi L. Schematic memories develop quickly, but are not expressed unless necessary. Scientific Reports. 2020.
Bartlett FC. Remembering: A Study in Experimental and Social Psychology. Cambridge University Press, 1932.
Brainerd CJ, Reyna VF. Fuzzy-trace theory and false memory. Current Directions in Psychological Science / related foundational literature.
van Kesteren MTR, Ruiter DJ, Fernández G, Henson RN. How schema and novelty augment memory formation. Trends in Neurosciences. 2012.
Gilboa A, Marlatte H. Neurobiology of schemas and schema-mediated memory. Trends in Cognitive Sciences. 2017.
Schapiro AC, Turk-Browne NB, Norman KA, Botvinick MM. Statistical learning of temporal community structure in the hippocampus. Hippocampus. 2016.
Zheng J, Schjetnan AGP, Yebra M, et al. Neurons detect cognitive boundaries to structure episodic memories in humans. Nature Neuroscience. 2022;25:358–368.
Hahamy A, Dubossarsky H, Behrens TEJ. The human brain reactivates context-specific past information at event boundaries of naturalistic experiences. Nature Neuroscience. 2023;26:1080–1089.
Lee H, Chen J. Predicting memory from the network structure of naturalistic events. Nature Communications. 2022;13:4235.
Risko EF, Gilbert SJ. Cognitive Offloading. Trends in Cognitive Sciences. 2016;20(9):676–688.
Gilbert SJ. Cognitive offloading is value-based decision making: Modelling cognitive effort and the expected value of memory. Cognition. 2024;247:105783.
Burnett LK, Richmond LL. Meta-analytic investigations of the effect of cognitive offloading on memory-based task performance and interindividual variability. Memory & Cognition. 2026;54(1):144–168.

核心命題索引

MRMP

Minimal Reconstructive Memory Principle

M^* = \arg\min C(M') \quad \text{s.t.} \quad \mathbf Q_{\mathrm{rec}} \ge \boldsymbol\tau.

RSS / MRSS

Reconstructively Sufficient Set / Minimal Reconstructively Sufficient Set

RSP

Reconstructive Sufficiency Principle

可重建的功能不必等同原始資料永久 active 保存。

IWRH

Irreplaceability-Weighted Retention Hypothesis

V_{\mathrm{retain}} \propto \text{Irreplaceability} \times \text{Required Fidelity} \times \text{Future Consequence}.

PBP

Provenance Barrier Principle

observation、inference、reconstruction、simulation 不得無痕互換。

HTF

Historical Truth Floor

沒有 provenance 的生成式補完不能計為 evidence-grade historical reconstruction。

狀態： v0.1
原始 MRM 人體／AI 實驗資料： 無
理論狀態： 命題猜想／ANLA 記憶工程原理
重建狀態： 嚴格區分 functional / causal / historical / verbatim / identity / evidentiary fidelity
下一篇：《注意力保存型遺忘：網路化智能的記憶生命週期與認識論路由》

最小可重建記憶：從逐幀保存到因果充分性

最小可重建記憶：從逐幀保存到因果充分性

摘要

0. 邊界聲明

1. 從 GPR-D 到「保存多少？」

2. Lossless Event Memory

3. Lossless Storage 與 Cognitive Utility 不同

4. Reconstructive Memory

5. 2024 Generative Memory Model 的鄰接意義

6. 但 Generative Model 也會產生 Distortion

7. Reconstruction Residual

8. 本文不把這個結果直接一般化

9. Minimal Reconstructive Memory Principle（MRMP）

10. 「最小」不是最短字串

11. 「充分」必須相對於用途

Routine action

Legal evidence

12. Reconstruction Fidelity Vector

13. Functional Reconstruction QFQ_FQF​

14. Causal Reconstruction QCQ_CQC​

15. Historical Reconstruction QHQ_HQH​

16. Verbatim Reconstruction QVQ_VQV​

17. Identity / Relationship Reconstruction QIQ_IQI​

18. Evidentiary / Scientific Reconstruction QEQ_EQE​

19. 同一記憶可在六維上不同

20. 重要對話原話

21. Scientific Raw Data

22. Reconstruction Classes

23. Internal Reconstructability

24. External Reconstructability

25. Procedural Reconstructability

26. Historical Non-Reconstructability

27. Historical Truth Floor

28. Generative Plausibility ≠ Historical Recovery

29. Reconstruction Hypothesis

30. False Memory Risk

31. Reconstruction Error

32. Safe Compression / Forgetting Gate

33. Irreplaceability

34. Retention Value

35. FrequiredF_{\mathrm{required}}Frequired​

36. CfutureC_{\mathrm{future}}Cfuture​

37. 可替代 ≠ 不重要

38. 不可替代 ≠ 長

39. Minimal Sufficient Set

40. Minimal Reconstructively Sufficient Set

41. 成本函數

42. 這裡 storage 可能反而權重最低

43. GPR-guided MRSS

G\mathcal GG

P\mathcal PP

R\mathcal RR

44. Process Skeleton

45. Skeleton 條件

46. Pivot Density

47. Routine Workflow

48. Debugging / Proof

49. Failed Routes 的價值

50. Negative Knowledge

51. 可以重建 ≠ 值得每次重建

52. Reconstruct vs Retain Trade-off

53. Reconstruction Latency

54. Access Frequency

55. Temporal Volatility

56. Internal Reconstruction

57. External Reconstruction

58. Hybrid Reconstruction

59. 2026 Compressive RAG Memory Model 的鄰接

60. Reconstruction Provenance

61. 不允許 Silent Promotion

62. Reconstruction Contamination

63. Provenance Barrier

64. Historical Memory 的禁止規則

65. Relationship Memory

66. Identity Memory

67. Scientific Memory

68. Legal / Audit Memory

69. Public Knowledge

70. Compression Types

Lossless representation compression

13. Functional Reconstruction $Q_F$

14. Causal Reconstruction $Q_C$

15. Historical Reconstruction $Q_H$

16. Verbatim Reconstruction $Q_V$

17. Identity / Relationship Reconstruction $Q_I$

18. Evidentiary / Scientific Reconstruction $Q_E$

35. $F_{\mathrm{required}}$

36. $C_{\mathrm{future}}$

$\mathcal G$

$\mathcal P$

$\mathcal R$