KEEPER 提出 Agent 文本记忆可靠性分析

KEEPER 框架旨在分析长时程 LLM 智能体的递归文本记忆。该研究提出了自洽性偏差概念，用于识别记忆系统中已有错误声称的持续存在，强调任务表现不足以确立记忆可靠性。框架在共享递归接口下，沿信息内容和更新敏感性两个维度，对比分析了四个辅助目标。研究发现，奖励相关预测在离线强化学习前后均取得了最高的任务性能。基于此，研究建议将错误持续性与有效信息保留纳入评估体系。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。