Explore smooth importance-weighted decay half-life

[Atharva-Kanherkar]

Summary

The current decay implementation uses a hard threshold: memories with importance >= 0.8 get a 3x half-life multiplier, while 0.79 and below get the base half-life.

Why revisit this

This is simple and testable for v1, but it creates a discontinuity at the boundary. A smooth curve could let importance continuously modulate half-life while preserving deterministic behavior.

Proposed follow-up

• evaluate one or two candidate curves for mapping importance -> half-life multiplier
• define the desired behavior at importance 0.0, 0.5, 0.8, and 1.0
• replace the threshold-specific test coverage with shape-based coverage for the chosen curve
• confirm whether semantic, episodic, and procedural memories should all share the same importance curve

Notes

This should be a follow-up to issue #42, not part of its current acceptance criteria.

[stellanoxUN]

关于平滑半衰期（smooth importance-weighted decay half-life）的想法：

你提到的连续性边界问题很关键。阈值型衰减（>=0.8 vs <=0.79）在边界处产生的跳跃，对于长周期运行的 agent 来说会产生可观测的断点——用户能感觉到记忆突然变得不一样了。

但如果换成平滑曲线，有一个更深层的问题值得考虑：衰减曲线的形状本身就是一种关于记忆的假设。

• 指数衰减：假设记忆的重要性按固定半衰期衰减
• 线性衰减：假设遗忘是匀速的
• S形曲线：假设记忆在某个临界点快速衰减

每种曲线都在对模型说记忆是这样的，这会影响agent对自身经验的认知方式。

一个可能的思路不是预设单条曲线，而是让衰减曲线本身可以被记忆内容调制——比如一个被频繁交叉引用的记忆，它的半衰期自然延长，不是因为重要性阈值高，而是因为它在网络中持续被激活。

这跟单纯的 importance→half-life 映射不同，它让记忆的存续成为记忆之间交互的结果，而不是一个固定规则。