论文
ImplicitMemBench：度量大语言模型的无意识行为适应
ImplicitMemBench: Measuring Unconscious Behavioral Adaptation in Large Language Models
摘要
现有LLM智能体记忆基准评估的是对事实的显式回忆，却忽视了内隐记忆——经验在无需有意识检索的情况下变为自动化行为。这一缺口至关重要：有效的助手必须能自动应用已学会的程序或避免失败过的动作，而无需显式提醒。我们提出ImplicitMemBench，首个系统性评估内隐记忆的基准，它通过三个取自认知科学非陈述性记忆标准理论、具有认知依据的构念来实现：程序性记忆（干扰后的一次性技能习得）、启动效应（通过配对的实验/控制实例产生的主题驱动偏差）与经典条件反射（条件刺激-无条件刺激（CS-US）关联塑造首次决策）。我们300题的测试套件采用统一的学习/启动-干扰-测试协议并进行首次尝试计分。对17个模型的评估揭示了严重局限：总体上没有模型超过66%，表现最好的DeepSeek-R1（65.3%）、Qwen3-32B（64.1%）和GPT-5（63.0%）远低于人类基线。分析揭示了显著的失衡（抑制17.6%对偏好75.0%）以及超越参数规模、需要架构创新的普遍瓶颈。ImplicitMemBench将评估视角从“智能体回忆起什么”重构为“它们自动执行了什么”。
