Quando un agente basato su LLM decide che un fatto in memoria è obsoleto e lo elimina, sta facendo una scommessa. La ricerca mostra che quella scommessa può trasformarsi in un costo nascosto: se il resolver sbaglia e cancella un fatto critico per la query, l'accuratezza a valle crolla. Su tre modelli, un intervento controllato sulla sensibilità fa passare l'hard-drop da guadagni compresi tra +0,186 e +0,230 in condizioni di risoluzione perfetta a perdite tra -0,176 e -0,181 al livello più basso di affidabilità testato. Il segno dell'effetto si inverte completamente: la stessa regola che aiuta quando il sistema identifica bene i fatti stantii diventa dannosa quando l'identificazione è incerta.

Gli interventi mirati accoppiati mostrano che il false-drop causa una degradazione significativamente maggiore del false-keep. Eliminare un fatto che serviva è più costoso che conservarne uno inutile. Ma attenzione: anche una baseline che non elimina nulla può fallire, se etichette errate orientano la generazione. Il punto non è quindi cancellare di meno per principio, ma capire dove sta il rischio: nella qualità delle etichette che decidono cosa tenere.

Su una divisione congelata 102/102 di calibrazione e test, un gate allineato al deployment raggiunge un'accuratezza di 0,655, contro 0,641 dell'hard-drop sempre attivo e 0,662 di un oracolo che seleziona i casi con informazioni di test. La distanza tra il gate semplice e l'oracolo evidenzia il costo di non avere etichette d'oro: non è una soglia operativa, ma una diagnostica specifica per modello e task. I crossover di accuratezza globale richiedono etichette d'oro e non vanno usati come regole di deployment.

Per chi gestisce agenti in infrastrutture controllate, il messaggio cambia le priorità. La gestione della memoria non è soltanto un problema di modello o di contesto: è una decisione di costo. Il paper suggerisce di trattare l'eliminazione come cost-sensitive e di validare il rischio di false-drop su dati che riflettono il traffico reale. Se questa validazione non è disponibile, la scelta predefinita dovrebbe essere la conservazione senza etichette.

Questo ha implicazioni di secondo ordine per i deployment self-hosted. In un ambiente on-premise, dove l'organizzazione possiede l'intera pipeline, introdurre un gate allineato al deployment è più semplice da controllare rispetto a un servizio cloud con filtri opachi. Ma aumenta anche il carico di validazione: servono dati di calibrazione rappresentativi e una misura di affidabilità del resolver, altrimenti il default conservativo diventa un modo per evitare errori senza capire il sistema. Non è gratis: conservare tutto può gonfiare il contesto e aumentare i costi di inference e latenza, un trade-off che per chi valuta TCO non è secondario. Per chi valuta deployment on-premise, AI-RADAR offre su /llm-onpremise framework analitici per valutare questi trade-off.

C'è anche un segnale strutturale. L'enfasi si sposta dalla quantization o dall'hardware verso la qualità dei metadati e delle politiche di memoria. Un agente che sbaglia a cancellare i fatti è un sistema che non può fidarsi della propria memoria; la sovranità dei dati e il controllo locale diventano leve per costruire validazioni su misura, senza dipendere da etichette esterne. Ma il paper ricorda che anche un sistema che non elimina può fallire se le etichette sono errate: la vera vulnerabilità è la qualità della supervisione, non solo l'aggressività del filtro. La prossima generazione di sistemi di memoria per agenti dovrà decidere non se dimenticare, ma quali prove servono per farlo senza rompere le query. Fino a quando quelle prove non ci sono, non cancellare è la mossa meno costosa.