arXiv Artificial Intelligence· Jianghong Zhou, Hao Rong, Chen Lin, Daoan Zhang·· 18 小时前AI 评分29
多步并一步：LLM 智能体的推理收缩与安全记忆复用边界
Many Steps into One: Reasoning Contraction and the Limits of Safe Memory Reuse for LLM Agents
AI 导读
研究提出"推理收缩"概念：思维模板、技能库、智能体记忆与缓存把多步推理压缩为一步，但事实变化后收缩记忆会悄然给出错误答案。在五个 LLM 的多跳问答任务上，ExpeL 与 ACE 式计数器比经认证记忆多输出 7.0-13.5x 的过时答案，代码任务上多 35-73x。作者提出按各记忆自身似然比加权失败、对照实时推理认证效用、事实变化时重启证书的方法，并以似然比检测器作为未宣告变化的安全网。
来源：arXiv Artificial Intelligence · arxiv.org