📖 AI 总结

这篇论文研究持久记忆智能体中的“记忆信任缺口”现象，即过时的存储事实会覆盖当前权威证据，且该问题随模型能力变化而不同。研究使用Qwen3系列（0.6/1.7/4/8B）模型，在“收益”和“安全”两套基准上测试。结果显示：在收益任务中，各规模模型均以92%-100%概率使用过时值；在安全任务中，较大模型在记忆被伪装成最新时更容易崩溃。通过2×2×2×2析因实验发现，触发过度信任的因素取决于模型规模——移除标签会加剧所有规模的过度信任，而“较新日期”特征对大规模模型影响更大。缓解措施同样依赖能力：展示元数据可提升大模型准确率，但小模型需预先解决冲突。该模式在Llama模型系列及外部数据集上得到验证。研究揭示记忆信任缺口本质是过度信任而非混淆，且与模型能力密切相关。

🔑 关键词速览