FACTWASH：捕捉人工智能重写，将传闻变成事实

人工智能系统不断重写信息：对话变成存储的记忆，文档变成答案。重写可以保留一个主张，同时洗掉使它可检查的内容、谁说的、他们有多确定、何时成立。我们将这种失败称为事实清洗，并发布事实清洗，这是一个开源的写入时门，可以通过命名标志和证据而不是 LLM 判断来确定性地捕获它。构建它回答了一个实际问题：什么时候廉价支票就足够了，什么时候需要模型？决定因素是该房产是否拥有有限的表面线索库存。显式否定提示接近可枚举，因此单词列表完成并转移，在未调整的文本上达到 0.91 F1。对冲和归因具有开放式实现，因此词汇量在接近一半的回忆中保持稳定，并且一个问题 LLM 证人以相同的精度恢复了 +17 和 +15 点的提示检测回忆。部署后，该证人可能只会降低裁决，因此它购买的是精确性而不是覆盖范围。我们测量了 105,596 个独立注释句子的线索检测。然后，盲标记的内存写入语料库会定位故障：对话道听途说中的不良写入占 55%，商业电子邮件中占 7% (p < 0.001)，因此第一个部署问题不是使用哪个检测器，而是是否会发生故障。在未经修改的 mem0 2.0.7 上，门标记了 8 个对冲传闻写入中的 5 个。