程序性记忆在变化下的复用与干扰：受控网页任务研究
arXiv cs.AI · · 发布于 2026-09-11 · 3 分钟阅读
研究探讨语言智能体复用程序性记忆时，若存储流程不再适用会发生什么。工作结合 BrowserGym TimeWarp 的回顾性、人工辅助界面适配案例，以及合成购物决策上的受控冻结记忆对比。在 WebShop V1-V6 开发路径中，界面专用代码被调整，而单独存储的高层流程未报告变化，该阶段不构成自主记忆智能体评估。受控阶段早期试点出现一个任务：两种记忆条件选择了更贵商品，无记忆条件选择参考最低价；后续探针未确立反复出现的行序或身份绑定模式。随后在32个正式单元中测试四类错配：数量变化、证据表示不同、局部与全局优化冲突、分布式推广证据。每个单元使用一次温度0生成、相同 qwen3:8b 配置且无自适应重试。在当前任务证据明确充分时，预定义诊断干扰特征未出现。结果识别出一个经测试的非干扰区域：程序性记忆可被错配而不产生行为扰乱，但不证明通用安全性或机制。剩余问题是哪些附加条件会把适用性错配变成可观察的、由记忆导致的错误。
当前来源仅提供摘要，以下要点基于摘要生成；可通过官方原文查看完整信息。研究主题
程序性记忆支持语言智能体复用成功流程，但复用预设存储流程仍然适用；研究故意违反这一预设并观察后果。
方法构成
研究结合两个部分：BrowserGym TimeWarp 中回顾性、人类辅助的界面适配案例，以及合成购物决策上的受控冻结记忆比较。
回顾阶段性质
在 WebShop V1-V6 开发路径中，界面特定代码被适配，而单独存储的高层流程未报告改变；该阶段不构成自主记忆体评估。
早期试点观察
受控阶段早期试点产生一个任务：两个记忆条件选择更贵商品，无记忆条件选择参考最低价。
后续探针结果
后续探针未能确立重复出现的行序或身份绑定模式。
四类失配与规模
研究测试四类失配：数量变化、不同证据表示、局部与全局优化冲突、分布式提升证据；覆盖32个正式单元。
生成配置
每个单元使用一次温度0生成，采用相同局部 qwen3:8b 配置，不进行自适应重试。
主要发现
在这些配对中，当前任务证据明确且充分时，预设诊断干扰特征未在其定义任务上出现，识别出非干扰测试区域。
结论边界
结果说明程序性记忆可失配而不造成行为破坏，但不建立通用安全，也不建立机制。
遗留问题
尚待回答的问题是：哪些附加条件会使适用性失配变成可观察的、由记忆导致的错误。