arXiv cs.AI· Olukunle Owolabi, Pulkit Gupta, Fei Wang·· 10 天前AI 评分24
何时记住、何时弃权：面向可靠智能体记忆的类别条件化保留策略
When to Remember, When to Abstain: Category-Conditioned Retention for Reliable Agent Memory
AI 导读
研究提出按断言语义类别条件化设置置信阈值，而非使用单一全局阈值来决定智能体记忆的保留。在 100 个合成角色的冷启动记忆流水线中，4,715 条候选断言里价值与信念类仅 77.9% 有来源支持，其他类别为 96.2%。仅对价值类收紧阈值后，无支持保留从 6.2% 降至 4.0%（相对减少约 36%），并在同等保留率下多保留约 13 个百分点覆盖率（95% CI 9.8–16.0）。
正文 · AI 翻译
摘要：持久性智能体记忆的可靠性取决于其保留决策：一个仅被其来源弱支持的断言可能被存储，并在之后被当作既定事实复用。我们研究保留决策是否应由一个以断言语义类别为条件的置信度门槛来管控，而非由单一的全局阈值管控，从而对证据充分的类别宽松保留，而在推理不可靠之处更积极地弃权。我们在一个已部署的冷启动记忆流水线上，对 100 个合成人物进行了评估。该实证评估的动机源于一种显著的信度不对称：在 4{,}715 条候选断言中，仅 77.9\% 的价值观和信念断言得到其来源支持，而所有其他类别为 96.2\%。全局置信度阈值无法区分二者：它要么接纳无支持的价值观主张，要么丢弃证据充分的主张。以类别为条件设定阈值可解决这一权衡。在重复的留出评估中，仅对价值观施加更严格的门槛可将无支持的保留从 6.2\% 降至 4.0\%（相对降低约 ${\approx}36\%$，幅度不大但在各折中一致），并且作为佐证，在可比保留率下比全局阈值多保留约 13 个百分点的覆盖率（95\% CI 9.8--16.0）。我们的结果表明，可靠的保留取决于断言的类型，而非仅取决于置信度，并且以类别为条件的阈值可以在写入边界充当一种简单而有效的选择性预测形式。
| 评论： | 4 页，1 图，被 NeurIPS 2026 Social Agent Workshop 接收（此 https URL） |
| 主题： | 人工智能（cs.AI）；多智能体系统（cs.MA） |
| 引用为： | arXiv:2610.07100 [cs.AI] |
| （或 arXiv:2610.07100v1 [cs.AI] 对应此版本） | |
| https://doi.org/10.48550/arXiv.2610.07100 arXiv 颁发的 DOI 经由 DataCite（待注册） |
提交历史
来自：Olukunle Owolabi [查看电子邮件]
[v1]
2026 年 10 月 5 日星期一 14:36:51 UTC（313 KB）
来源：arXiv cs.AI · arxiv.org