跳转至

FSFM: A Biologically-Inspired Framework for Selective Forgetting of Agent Memory

论文信息

  • arXiv: 2604.20300
  • 发表日期: 2026-04-22
  • 作者: Yingjie Gu, Wenjian Xiong, Liqiang Wang, Pengcheng Ren, Chao Li, Xiaojing Zhang, Yijuan Guo, Qi Sun, Jingyao Ma, Shidang Shi
  • 方向: 记忆压缩与遗忘（选择性遗忘）

摘要

背景：当前 LLM Agent 研究大多聚焦于记忆的"保留"（retention），而对选择性遗忘（selective forgetting）——受人类认知过程（海马索引/记忆巩固理论和艾宾浩斯遗忘曲线）启发的机制——探索不足。

核心论点：在资源受限环境中，精心设计的遗忘机制与记忆本身同样重要，在三个维度带来收益：

  1. 效率：通过智能记忆剪枝降低存储和检索开销
  2. 质量：动态更新过时偏好和上下文，提升输出质量
  3. 安全：主动遗忘恶意输入、敏感数据和隐私侵害内容

方法：FSFM 建立遗忘机制taxonomy：被动衰减型、主动删除型、安全触发型、自适应增强型。基于 LLM Agent 架构和向量数据库的进展，提出详细规格、实现策略和受控实验验证。

实验结果：访问效率 +8.49%，内容质量（信噪比）+29.2%，安全风险 100% 消除。

核心贡献

  1. 遗忘机制taxonomy：首次系统分类 Agent 记忆的选择性遗忘机制（被动/主动/安全触发/自适应）
  2. 认知科学理论基础：将海马索引理论、记忆巩固机制和艾宾浩斯遗忘曲线形式化引入 AI 遗忘建模
  3. 三维评估框架：从效率、质量、安全三个维度量化遗忘机制收益
  4. 神经科学与 AI 的桥梁：为实际部署提供认知可行的遗忘策略，同时满足伦理和合规要求

为什么重要

选择性遗忘是真正智能 Agent 系统的必备能力——人类大脑并非记录所有经历，而是通过遗忘保留关键信息、清除过时/有害数据。FSFM 首次从系统化角度论证了这一能力：

  • 隐私合规：GDPR 等法规要求"被遗忘权"，FSFM 提供技术实现路径
  • 资源效率：端侧设备存储有限，主动遗忘比被动积累更可持续
  • 安全防护：防止记忆中的恶意提示词注入（prompt injection）和隐私泄露

与端侧/移动端的相关性

FSFM 的遗忘机制对端侧 Agent 至关重要：

  • 隐私保护：可穿戴设备和智能手机上的 Agent 需要即时遗忘敏感上下文（如位置、健康数据）
  • 能效优化：遗忘比积累后再压缩更节能，适合低功耗场景
  • 法规合规：移动端 AI 面临更严格的隐私法规，被遗忘权是刚需

参考文献

  • arXiv: 2604.20300 | https://arxiv.org/abs/2604.20300