arXiv · cs.AI · Runze Zhao, Dongruo Zhou, Sumit Kumar Jha, Nathaniel D. Bastian, Ankit Shah · 11 小时前模型评分44
让 大语言模型（LLM，Large Language Model） 智能体既接受变更又拒绝攻击：鲁棒记忆管理
Accept Changes, Reject Attacks: Robust Memory Management for LLM Agents
导读
研究把大语言模型（LLM，Large Language Model）智能体的记忆鲁棒性定义为同时处理过时记忆与记忆投毒，并用证据条件准确率（ECA，Evidence-Conditioned Accuracy）衡量所选记录是否包含答案所需的全部更新证据且无攻击内容。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “We therefore formalize memory robustness as handling both without doing worse on other inputs.”
来源：arXiv · cs.AI · arxiv.org