了解存储：在智能体可以读取之前，记忆后端必须写下什么

具有长期记忆的智能体可以从它不应再使用的记录中进行应答，例如用户后来取消的计划。我们询问记忆存储必须公开什么，以便智能体在检索任何内容之前知道这一点，并且我们自己对判断进行评分，作为元内存监控。读者只能看到一个与值无关的摘要：按生命周期状态记录计数和属性名称列表。 148 个问题中的每一个问题都是针对一家商店的三个版本提出的，这些版本在一个属性上有所不同，因此措辞无法给出答案。模型添加的内容取决于该列表的长度。在基准测试生成的最终名单中（平均 2.6 个名称），五种语言模型中没有一个能够可靠地击败名称的余弦相似度查找，并且三个更强的模型与其等效性在 0.05 以内。在固定计数和列表长度的控制下，没有一个可靠地高于它，也没有一个显示为等效的。在比我们测试写入的存储更长的列表上，填充到 60 个名称，查找损失 0.18； GPT-5.6 Luna 和 Sol 以 0.06 比 0.07 的比分落败，并以 0.13 比 0.14 领先，而其他三人也随之下跌。 Sol 领先于具有相同长度和计数的兄弟姐妹。改写为不与名字共享任何单词，查找损失了 0.02，而一位更强的读者领先了 0.04。在入围名单中，三位较强的读者仅在摘要计算一个州而不命名它的情况下领先，并且一个计数功能关闭了问题中的领先，但在项目汇集时则不然。我们测试的后端忽略或误述了此信息：在 FR-Bank 自己的元数据下，GPT-4.1 mini、Haiku 4.5 和查找从 0.73、0.82 和 0.75 下降到 0.60、0.71 和 0.59。在这些测试中，商店所写的内容限制了我们提供给它的每个读者。所有商店都是合成的；控制，更好的判断是否会产生更好的答案，留待以后的研究。