Forgetful but Faithful: Cognitive Memory for Privacy-Aware Agents — arXiv:2512.12856
title: Forgetful but Faithful: A Cognitive Memory Architecture and Benchmark for Privacy-Aware Generative Agents arXiv: 2512.12856 date: 2025-12-14 tags: [agent-memory, memory-privacy, generative-agents, forgetting] reviewer: auto source: arXiv RSS/API
摘要¶
随着生成式智能体在长期交互场景中日益成熟，其记忆管理能力成为性能和隐私的关键瓶颈。当前方法要么维护无限记忆存储（导致计算不可扩展和隐私问题），要么采用简化遗忘机制（损害智能体连贯性和功能）。该论文提出Memory-Aware Retention Schema（MaRS），一种面向生成式智能体的人本记忆管理框架，耦合六种理论基础的遗忘策略以平衡性能、隐私和计算效率。论文还提出Forgetful but Faithful Agent（FiFA）基准测试，从叙事连贯性、目标完成、社会记忆准确性、隐私保护和成本效率五个维度评估智能体表现。300次评估实验表明，混合遗忘策略实现了优异性能（综合得分0.911），同时保持计算可扩展性和隐私保证。
核心贡献¶
- MaRS框架：面向生成式智能体的人本记忆管理框架，包含六种理论驱动的遗忘策略。
- FiFA基准测试：全面评估框架，从五个维度评估记忆管理的效果：叙事连贯性、目标完成、社会记忆准确性、隐私保护、成本效率。
- 混合遗忘策略：结合多种遗忘机制，综合得分达0.911，展示在受限记忆预算下的最优表现。
- 隐私保证：在记忆受限环境下同时保证用户隐私和智能体功能，为实际部署提供指南。
为什么重要¶
该论文是首个系统研究生成式智能体记忆-隐私权衡的工作。在GDPR等隐私法规背景下，智能体"何时记住"和"何时遗忘"的法律和伦理含义日益重要。MaRS框架的遗忘策略与人类认知中的遗忘机制相对应，使AI记忆更接近人类记忆特性。FiFA基准测试填补了该领域评估工具的空白。
与端侧/移动端的相关性¶
移动端是隐私最敏感的场景——用户对话、位置信息、社交关系等都在本地存储。该论文的隐私保护遗忘机制对移动端AI助手至关重要：用户应当能够信任设备上的智能体不会永久存储敏感信息，同时智能体仍能保持必要的连贯性和功能。
参考文献¶
本文参考文献待从原文补充。