EA-Graph：上游漂移下 编码智能体 的工件锚定验证内存

编码智能体 越来越多地跨会话工作，但散文笔记可以在没有支持它的程序状态的情况下保留结论。上游更改后，即使早期的验证声明不再有效，仍然可以构建存储库。 EA-Graph 是一种用于验证声明的工件锚定存储器。它以子路径粒度表示工件，将别名解析为叶定义，将每个声明锚定到用于建立它的内容，并将证据强度与新鲜度分开。当替换内容不可用时，该声明就变得无法证明而不是猜测。 EA-Graph 在生成的存储库上进行评估，该存储库的行为到工件 真值 通过构造已知。任务是在价值漂移、逻辑漂移和故意隐瞒上游内容后，将先前的声明分类为不受影响、受影响或无法证明。该分析涵盖了 7 个干净世界、14 个模型世界实例、3 个内存条件和两个模型层的 42 个会话。在俳句轮中，人工锚定的记忆超过了散文笔记，并且在所有七个世界中都没有持久记忆；每个精确配对的 Wilcoxon 比较得出 p = 0.0156。在十四行诗回合中，锚定条件是完美的，但频繁的控制上限使预先记录的对比变得不显着。没有会话捏造隐瞒内容。这些结果支持了一个有限的主张：工件锚定记忆改善了该测试台中较小模型的可证明性判断。探索性比较进一步表明，结构化索赔记忆可以通过外部化会话中重新推导来缩小能力差距，但它不能建立跨模型等价性。该研究没有对效率或修复质量提出任何要求。