论文页面 - When Memory Lies: An Empirical Study of Spatial Memory Staleness in VLM Agents

来源：https://huggingface.co/papers/2608.04574

摘要

记忆增强的VLM智能体依赖持久化的空间知识行事，但随着环境变化，这些知识会悄然过期。我们探究当智能体必须在确信的记忆主张与矛盾的观察之间进行调和时会发生什么，以及当前模型能否在冲突演变为与安全相关的错误之前发现它。我们使用一个动态Frozen Lake测试平台，将过期检测任务与下游导航任务配对，涉及三个闭源模型和三个开放权重VLM，同时使用文本和图像输入（1,800次检测运行，以及在共享50个种子的规模下，四个LLM导航器进行的12,000次文本模式导航回合）。我们发现了三个结果。首先，文本可解性并不意味视觉接地：能够可靠地从文本中标记过期条目的模型，在相同网格上的视觉F1分数却从0.887跨度到0.067，最弱的模型还会继续做出流畅、自信但忽视图像的决策。其次，在没有审计的情况下使用过期记忆是一种安全负担：在我们主要的GPT-4o设置中，信任原始记忆的智能体的死亡频率是不给任何记忆的同一智能体的两倍以上。第三，审计有帮助但并未弥合差距：一个透明的读取时过滤器在文本模式下消除了大部分安全成本，然而即使使用oracle过期标签，在当前网格大小上也没有带来进一步显著提升；而当视觉审计不可靠时，过滤无法带来一致的好处。这些结果共同将空间记忆过期界定为一种安全失败模式，并指出在记忆-观察冲突下实现可靠的视觉接地和动作选择，是记忆增强智能体所面临的核心开放性挑战。

查看arXiv页面 (https://arxiv.org/abs/2608.04574) 查看PDF (https://arxiv.org/pdf/2608.04574) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2608.04574)

在你的智能体中获取这篇论文：

hf papers read 2608.04574

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

引用此论文的模型0

没有模型链接到此论文

引用 arxiv.org/abs/2608.04574 在模型 README.md 中，即可从此页面链接到该模型。

引用此论文的数据集0

没有数据集链接到此论文

引用 arxiv.org/abs/2608.04574 在数据集 README.md 中，即可从此页面链接到该数据集。

引用此论文的Spaces0

没有Space链接到此论文

引用 arxiv.org/abs/2608.04574 在 Space README.md 中，即可从此页面链接到该Space。

包含此论文的集合0

没有包含此论文的集合

将此论文添加到集合 (https://huggingface.co/new-collection) 以从此页面链接到它。