长期运行的助手无法记住所有看到的内容，于是会对历史进行摘要。摘要并非中性选择：保留的部分是基于对记录用途的假设而提前决定的，而这些假设在用户的多个长期目标真正提出请求之前是未知的。不同目标通常对事件本身没有冲突，只在于哪些细节值得占用记忆空间。当历史过长无法重新阅读时，摘要取代原始流，未被记录的细节便永久丢失。
本文探讨在服务多个并存目标时，记忆应如何进行摘要。我们比较了三种写入策略：①在没有任何目标信息的情况下统一摘要；②写一份覆盖所有目标的综合摘要；③为每个目标分别写摘要，并在读取时一起使用。实验在多种模型和事件流上进行，保持读取步骤不变，仅改变写入方式。
结果显示，不同目标的摘要之间的重叠度低于同一摘要自身的重写重叠度。针对单一目标的摘要在相关性、完整性和准确性上均优于其他策略，而全目标综合摘要甚至不如中性摘要且耗费更大预算。结论是：在写入阶段进行目标解释能够提升记忆质量，但收益仅限于随后提出请求的目标。
点评