当证据发生变化：评估语言模型智能体的记忆修复与重读

支持智能体派生事实的文档被撤销或替换后，应该修复记忆，还是重新读取当前证据？我们以公开 ICU 病历中的用药列表和问题列表任务建立证据修订评估。在撤销、替换和对照事件下，使用两个 7B 模型比较完整重读、按来源过滤后重读、缓存、重建以及图局部修复。实验完整提供记忆，不经过检索；成本包含摄取、修订及每次使用。在短病历上，局部修复所需修订 token 比重建少 5—10 倍，但在留出条件下，所有记忆流程的成本都至少是完整重读的两倍。在一项小规模、预先规定的开发集扫描中，我们加入不适用于任务的文档，将记录延长到约 10,000 个 token；在此长度下，记忆的平均累计成本在使用 2—14 次后低于完整重读，部分原因是提取被截断，而按来源过滤后重读仍然最便宜。在证据替换研究中，四项主要验证性检验均未达到统计显著性。这些结果说明，评估证据修订后智能体记忆的成本，应覆盖整个流程，并以按来源过滤后重读作为对照。