提出检索可采性验证框架评估长时记忆Agent

该研究针对长时记忆 Agent 在检索时可能获取属于其他主体、违反策略或生命周期状态不兼容的信息问题，提出了一个检索可采性验证框架。该框架将每个记忆查询对标记为“可采”、“不可采”或“未决”，并在匹配所需证据召回率的前提下比较不同路径，同时追踪提示词暴露情况并关联目标级披露风险。研究指出，传统的召回率和最终答案准确率无法揭示此类安全隐患。 基于 RHELM 和 MemOps 两个公开基准的冻结排名后验重分析覆盖了 3,767 个查询，结果显示在保留命名空间内分数不变的情况下，跨命名空间过滤不会降低其排名；所需锚点召回率从 0.432 提升至 0.533，80% 召回可行性从 0.237 提升至 0.311，而精确相似度评估下降了 98.3%。在 16 个受控暴露场景中，仅有一个读者特定的 95% 置信区间排除了零值，显示相关不可采字面披露的增加（+0.156）。 事实层面，该框架通过分离验证候选支持、可采性、提示词暴露和答案披露来工作，且在特定条件下提升了所需证据的保留率。推断上，这表明单纯依赖准确率指标会掩盖 Agent 的安全漏洞，必须引入结构化的可采性检查。猜测部分，虽然结果在特定基准下显著，但其在更广泛动态环境中的泛化能力仍需进一步观察，且当前方法对“未决”状态的界定标准尚需细化。