记忆系统的承诺控制：个性化语言系统中的承诺边界
人工智能
2026-05-20 v2 计算与语言
人机交互
摘要
长上下文和记忆系统通常将个性化视为记忆问题。在实际应用中，许多故障发生在系统做出承诺后——它将噪声提示转化为硬性约束，丢弃稀有证人，忘记下游义务，或在不可行时仍予以回答。我们提出了 Contract-Bounded Evidence Activation (CBEA) 与 Lexicographic Commitment Validation (LCV) 方法。CBEA 通过类型覆盖、尾部证人和后果债务激活受限的证据集合；LCV 在正文之前验证结构化承诺并将不可行状态路由到修复、放弃或重新承诺。我们在 360 个测试 fixture 以及三个生成后端上进行评估，CBEA+LCV 在验证器范围内实现零失败，对应尝试运行的可用性为 0.49-0.60。原始和长上下文基线使用相同的 LCV 门控仅在 0.003-0.092 时实现零失败。影子 oracle 诊断标记了限制：CBEA+LCV 记忆 0.012 的未编译可见事实，而原始方法记忆 0.53。结果是：显式的承诺控制和 74-75% 的中位输入负载降低，而非普遍记忆主导。
引用
@article{arxiv.2605.16712,
title = {Recall Isn't Enough: Bounding Commitments in Personalized Language Systems},
author = {Rui Tang and Yichi Zhang and Xi Chen and Chen Dong and Youwei Yang and Yumeng Shen and Qiangqiang Liu},
journal= {arXiv preprint arXiv:2605.16712},
year = {2026}
}
备注
14 pages, 3 figures, 22 tables; preprint version