arXiv cs.AI· Chang Liu, Deliang Ding·· 9 天前AI 评分24
LLM 智能体持久记忆治理：如何决定准入与呈现
What to Admit and How to Present: Governing Persistent Memory in LLM Agents
AI 导读
研究区分了 LLM 智能体持久记忆的两类治理决策——准入（决定哪些召回信息进入工作上下文）与呈现（决定已准入信息如何表达），并提出两种无需重训练的推理时方案：factor-compiled admission（FC）与 permission-semantic admission（PS）。
正文 · AI 翻译
摘要：持久记忆可以提升 LLM 智能体的个性化，但也可能诱发谄媚和跨域泄漏。我们区分两种治理决策：准入，即决定哪些被召回的信息进入工作上下文；以及呈现，即决定已准入的信息如何表达。我们实现了两种无需重新训练的推理时设计：因子编译准入（FC），评估整个记忆条目；以及权限语义准入（PS），将条目分解为带类型的单元；两者都通过确定性策略将裁定属性转化为资格决策。我们在一个四骨干开发套件和一个外部基准上评估，后者包含四个任务，每个任务 300 个样本。相对于逐字注入，FC 和 PS 在外部基准上将汇总的评审评估失败率分别降低 6.7 和 8.8 个百分点（p = 2.7e-7 和 4.1e-12），开发集跨域泄漏最多降低 29.5 个百分点。一个以查询为条件的门控基线在客观事实失败或汇总失败上没有显著变化。在匹配的准入预算下，经 Holm 校正后，PS 在外部客观事实判断上优于随机选择和基于相关性的选择。在保持呈现固定的情况下，收紧准入将跨域失败进一步降低 17.5 个百分点（p = 1.6e-4）；相比之下，对相同裁定输出的两种呈现方式之间的任何比较都未能通过多重比较校正。两种设计都增加了个性化失败，且 PS 未达到预注册的改进和个性化保持标准。这些结果支持分别评估准入和呈现：选择质量带来了任务特定的安全收益，而保持有益的记忆使用仍未解决。
| 评论： | 正在 AAMAS 2027 审稿中 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.11188 [cs.AI] |
| （或 arXiv:2610.11188v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.11188 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Chang Liu [查看电子邮件]
[v1]
2026 年 10 月 8 日星期四 03:45:28 UTC（89 KB）
来源：arXiv cs.AI · arxiv.org