记忆即推导：长期智能体中的分布式证据悖论

针对长期 LLM 智能体压缩历史记忆时的推导偏差，研究者提出审计框架 DerivAudit，检验记忆是否被写入时的交互历史所支持。在两个自然记忆语料库中，扩大历史范围可为近 60% 看似无引用的记忆找回支持，但仍有 17-21% 无依据。研究还发现单纯扩展证据无法保证准入可靠性，验证模型仍频繁收录无支持记忆并在两个骨干模型上恶化。