RENDER：控制LLM记忆评测中面向读者的证据形态

记忆与RAG评测常把回答模型的输入当作实现细节，尽管系统可能把同一段历史渲染成记忆条目、摘要、类型化记录或原始摘录。我们提出RENDER，一个在固定对话的同时改变面向读者的产物的基准控制。RENDER将五级数据包阶梯——用于定位含答案内容何时进入输入——与确定性模板相结合，后者近似ChatGPT式条目、LangChain摘要、MemGPT式类型化记录和原始对话。在500道LongMemEval问题和九个模型上，预算匹配的已解决数据包比按新近性截断的原始对话高出42.4至72.6分。在部署风格模板下，每个模型的最优-最差差距为24.6至48.8分；在主评分器下，ChatGPT式条目在9个模型中的7个上点估计高于原始对话。评审模型重评保持了总体正向效应，但针对具体模型的显著性结果好坏不一。三个在正式账本式数据包上得分为0%的模型，从自然语言条目回答相同事实时得分达45.4%至53.4%。该效应在检索噪声下持续存在，并可迁移到HotpotQA，这提示记忆/RAG评测应报告或控制面向读者的产物。