arXiv cs.AI· Zefeng Cai, Zerui Cai·· 9 天前AI 评分28
稀疏事件-KV 的记忆契约：全局计算，本地物化
Compute Globally, Materialize Locally: The Memory Contract of Sparse Event-KV
AI 导读
研究提出"语义物化"现象：在长程智能体的 KV cache 中，下游事件的缓存行可作为独立可服务的计算视图，即使产生它的输入已被丢弃。在 Qwen3-8B 上，刻意构造的不含答案的事件可将 donor-aligned 恢复率从 6% 提升至 51%，而被动采集长期对话中的自然提及未检测到优势。紧凑状态可存活，较大载荷衰减至随机水平，且是否写入取决于措辞而非语义。
正文 · AI 翻译
摘要：长时程智能体越来越多地将其 KV 缓存复用为记忆：服务系统保留一部分缓存条目，丢弃其余部分。因此，淘汰与情景记忆方案都建立在一个很少被直接检验的前提之上：一旦产生某事件的观测不复存在，被保留的事件是否仍然具有信息量。我们通过从所服务的内容中省略一个较早的观测来检验这一点，其余智能体历史完全相同。在对该观测敏感的条目中，答案绝大多数遵循被省略的值，尽管没有任何被服务的片段说明哪个值是正确的。我们将此称为语义物化：下游事件的缓存行充当了计算的一个可独立服务的视图，而该计算的输入已经消失。它也可以被有意写入。一个刻意措辞、不含答案的事件在 Qwen3-8B 上将供体对齐恢复率从 6% 提升到 51%，且从未提及该值，而被动地从长期对话中采集自然提及则未检测到优势。这样的行所携带的内容是具体且有界的。紧凑状态得以保留，较大的载荷衰减至随机水平，而一个构造是否写入完全取决于措辞而非仅取决于含义，因此模型同样理解良好的两种措辞可能产生显著差异。这一结果为稀疏事件-KV 服务给出了记忆契约：写什么、落在何处，以及一旦来源消失后什么得以保留。对于任何进行淘汰的人来说，其推论是：丢弃一个来源事件而未观察到准确率下降，并不能表明该来源是不必要的。
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2607.23693 [cs.AI] |
| （或使用 arXiv:2607.23693v2 [cs.AI] 获取此版本） | |
| https://doi.org/10.48550/arXiv.2607.23693 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Zerui Cai [查看电子邮件]
[v1]
2026年7月26日星期日 14:37:53 UTC（167 KB）
[v2]
2026年10月7日星期三 20:13:59 UTC（203 KB）
来源：arXiv cs.AI · arxiv.org