LLM智能体推理收缩与记忆复用安全研究

2026年10月15日，arXiv Artificial Intelligence发布一项研究，提出“推理收缩”概念：思维模板、技能库、智能体记忆与缓存可将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。研究在五个LLM的多跳问答任务上测试，发现ExpeL与ACE式计数器比经认证记忆多输出7.0-13.5倍的过时答案，在代码任务上多出35-73倍。作者据此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。该研究由Jianghong Zhou等作者完成，聚焦LLM Agent的记忆复用安全性。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。