个人AI记忆用于评分预测的受控审计

在结构化评分预测中，个人AI使用的是历史物品-评分关联，还是主要使用用户的评分倾向？我们审计这一区分：在每个用户内置换历史评分，同时保持精确的评分分布、物品支持度与元数据。该控制与完整历史、原生记忆提取和匹配的数值读取器组合，在公开冻结的评估中覆盖Coat与MovieLens的400个留出用户画像与6160个目标评分。Coat上，受测的Qwen撰写Mem0管道相对完整历史使Qwen的用户宏平均绝对误差增加0.084、Phi增加0.149，两者的族调整bootstrap区间均不含零。正确的历史分配在Coat上帮助两个读取器，MovieLens上对应效应更小且调整后不结论。仅历史的ridge读取器在两域优于Qwen、在MovieLens上优于Phi，Coat上的Phi比较未决。全部2800次读取器调用（含150次无效输出）按固定回退规则保留；另一独立实现验证输入、指标与全部十项主对比。贡献是一个可复现的诊断研究，说明为何提取、关联使用、输出可靠性与读取器选择需要分别评估。