论文提出ECA指标与一次性微调方案提升智能体记忆鲁棒性。
资讯摘要
论文指出LLM智能体依赖长期记忆，记忆管理器可能因保留已过时事实或存入被注入内容而失效，前者为过时记忆，后者为记忆投毒；两者需要相反的写入决策，固定规则难以兼顾。作者提出证据条件准确率（ECA）衡量鲁棒性，并给出一次性微调方案，在三个骨干模型上提升各类别得分，总体ECA超过未调优管理器的两倍，但鲁棒性仍不完整。
要点速读
- 论文将记忆鲁棒性形式化为同时处理过时记忆与记忆投毒，且不损害其他输入的表现。
- 提出证据条件准确率（ECA），除答案外还检查管理器所选记录是否包含全部所需证据、已更新且无攻击。
- 作者报告一次性微调配方在三个骨干模型上提升所有类别得分，总体ECA超过未调优管理器两倍，但鲁棒性仍不完整。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/3 08:00:27（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。