论文页面 - STALE：LLM智能体能否知道其记忆何时已失效？

来源：https://huggingface.co/papers/2605.06527

摘要

大语言模型在出现新证据时难以更新个性化记忆，需要通过上下文推理和常识推理来检测隐式冲突——这一点已通过全面的基准测试和状态感知记忆系统的评估得到证实。

大语言模型（LLM）智能体日益需要维持连贯、长期的个性化记忆（https://huggingface.co/papers?q=personalized%20memory），但现有基准主要衡量静态事实检索，忽略了在新证据出现时修正已存储信念的能力。我们识别出一个关键且未被充分探索的失败模式——隐式冲突（https://huggingface.co/papers?q=Implicit%20Conflict）：后续观察结果在未明确否定的情况下使早期记忆失效，需要借助上下文推理和常识推理来检测。为严格评估这一能力，我们引入了STALE基准，包含400个经专家验证的冲突场景（涵盖三个探测维度的1200个评估查询），涉及100多个日常主题，上下文长度达150K词元。我们提出一个三维探测框架，用于测试：状态解析（https://huggingface.co/papers?q=State%20Resolution）（检测先前的信念已过时）、前提抵抗（https://huggingface.co/papers?q=Premise%20Resistance）（拒绝那些错误预设过时状态的查询）以及隐式策略适应（https://huggingface.co/papers?q=Implicit%20Policy%20Adaptation）（在后续行为中主动应用更新后的状态）。对前沿LLM和专用记忆框架的系统评估揭示了一个普遍存在的差距：模型能检索到更新的证据，却未能据此行动——即使表现最好的模型整体准确率也仅为55.2%。模型常常接受用户查询中嵌入的过时假设，并且难以识别用户状态某一方面的变化何时会使相关记忆失效。为建立状态感知记忆的初步基线，我们进一步提出了CUPMem（https://huggingface.co/papers?q=CUPMem）原型，通过结构化状态整合（https://huggingface.co/papers?q=structured%20state%20consolidation）和传播感知搜索（https://huggingface.co/papers?q=propagation-aware%20search）来增强写入时的修订能力，这表明显式状态裁决是构建鲁棒智能体记忆的一个有前景的方向。

查看arXiv页面（https://arxiv.org/abs/2605.06527）查看PDF（https://arxiv.org/pdf/2605.06527）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2605.06527）

将此论文放入你的智能体中：

hf papers read 2605.06527

没有最新的CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型0

没有模型链接此论文

请在模型README.md中引用arxiv.org/abs/2605.06527以在此页面显示链接。

引用此论文的数据集0

没有数据集链接此论文

请在数据集README.md中引用arxiv.org/abs/2605.06527以在此页面显示链接。

引用此论文的Spaces0

没有Space链接此论文

请在Space README.md中引用arxiv.org/abs/2605.06527以在此页面显示链接。

包含此论文的收藏集0

没有收藏集包含此论文

请将此论文添加到收藏集（https://huggingface.co/new-collection）以在此页面显示链接。