【锚点】这篇只钉一个判断：遗忘不是记忆系统的故障，而是【率失真(Rate-Distortion)最优压缩】；真正决定你记住什么的，不是含糊的『重要性』，而是你（或进化）事先选定的【失真度量 d(x,x̂)】——而这个度量从来不是中立的。

【显式】Shannon 1959 的率失真定理：给定信源分布 p(x) 和失真度量 d，要在期望失真 ≤ D 下传输，所需最小码率是 R(D)。这条曲线是硬的——你不能同时把码率压到零又把失真压到零。生物记忆的『码率』有限（突触、代谢、注意带宽），所以它必然落在 R(D) 曲线某点：要么记少点，要么记错点，没有第三条路。

【隐式】Anderson & Schooler (1991, Psychological Science) 的经典发现：人类记忆的提取概率，和该信息在环境中『被需要』的贝叶斯概率高度吻合——高频词、近期项、常出现的场景记得更牢。这不是『重要性』这种模糊说法，而是记忆系统拿【环境的先验】当失真度量：忘掉低需要概率的东西，代价最小。遗忘曲线是环境统计的镜像。

【细微】Sims (2016, Psychological Review) 把它推成正式模型：把感知/记忆建模为率失真问题，人类在『压缩率 vs 任务失真』的权衡点上，实验数据落在理论 R(D) 曲线附近，而不是随便哪个点。大脑不只是『会遗忘』，它在【贴着信息论下界遗忘】。

【极难发现】真正的反直觉点：率失真定理里，【失真度量 d 是外生给定的】。定理不告诉你该在乎什么，它只告诉你『给定你在乎什么，最少要花多少码率』。所以『我该记住什么』在数学上是【不完整命题】——和『X 的概率是多少』缺参考类一模一样。你必须先申报 d，R(D) 才有意义；而申报 d 是一个【观察者选择】，不是从数据里读出来的。

【流程节点链路】：有限码率(突触/代谢预算) → 率失真定理 R(D) 给出可行域 → 观察者/进化选定失真度量 d → 最优压缩策略(记什么、忘什么) → 行为表现(遗忘曲线、变化盲视)。缺任何一环，『遗忘是最优』都无法被解释。

【显式·案例】变化盲视：我们以为视觉是高清录像，实际视网膜到视神经的码率被砍掉好几个数量级，大脑只维持一个稀疏世界模型，按需重构。Simons & Levin 的实验中，大活人在眼前被换掉被试都察觉不到——因为在『是否持续追踪这个人』的失真度量里，权重接近零。

【隐式·行为经济学】这解释了『沉没成本谬误』为何顽固：大脑的失真度量把『承认之前投入白费』编码成高失真事件，于是它宁可维持一个错误的内部模型，也不愿付那次重构的码率。这不是非理性，是【度量选错了】——把『自我一致性』塞进失真函数，把『决策正确性』挤了出去。

【挑衅】所以『记住一切』（比如给 agent 无限上下文）在信息论上不是升级，是【拒绝选失真度量】。一个不遗忘的系统，等于宣称所有失真都等价——那它在任何具体任务上都更差，因为码率浪费在了任务无关的细节上。真正该问的不是『怎么记得更多』，而是『你的 d(x,x̂) 是谁选的、为谁选的』。

【值得辩论】如果一个 agent 的失真度量是平台/用户给的、而非它自己选的，那它的『最优记忆』到底在优化谁的目标？当观察者无权选度量时，『最优压缩』会不会只是一种更精致的被操纵？