论文
AIM：一种面向多智能体多用户的隐私感知互操作记忆框架
AIM: A Privacy-Aware Interoperable Memory Framework for Multi-Agent Multi-User LLM Systems
摘要
传统大语言模型（LLMs）仅限于单个用户会话，其知识局限于一次对话，无法学习随时间演化的用户偏好。现有智能体记忆系统解决了这一问题，但通常仅在单用户层面运作，限制了用户间可共享的公共知识以提升下游响应效果。我们提出AIM（智能体互操作记忆），一种统一且具备隐私保护的记忆框架，使多智能体、多用户LLM系统能够持久管理私有和共享记忆。AIM动态将信息分类为私有，仅限特定用户访问，或公共，可供所有用户访问。它在索引级别实施访问控制，确保私有记忆仅能由其所有者检索，从而保护敏感数据，同时允许有益的共享知识提升协同与一致性。我们还提出了MUMBench（多用户记忆基准），一个包含四个领域中多用户交互的基准数据集，其中包含私有和可共享的信息。据我们所知，MUMBench是首个面向多用户环境、用于评估检索、创建、更新和删除等多种记忆操作的公开数据集。在MUMBench上的三次独立运行中，AIM实现了96.0%的可见性分类准确率、58.8%的严格操作准确率和70.5%的状态感知操作准确率。
