Newest papers

Governance-State Corruption in Long-Term Memory for LLM Agents: A Cross-Model Stress Test

Bowen Liu, Youting Wang, Bonan Shen, Dingyan Shang · 2026 · arXiv

DOI: 10.48550/arXiv.2610.30698 · open-access PDF

Japanese

LLMエージェントは、正しくメモリを回収するが、その有効性の状態の変更後に誤って使用することができる。我々は、管理状態の腐敗を研究する:保存されたレコードがモデル可視の文脈に入り、保存されたコンテンツとタスクが固定されている間、保存されたレコードが変化するエラー。6つのプロバイダのうち、731のベンチマーク基盤ベースは、2080の一致したエラーパールを生み出します。オフライン制御プランのチェックでは、腐敗は、ペアの96.25%で運用予測を変更し、オラクルがサポートする執行が100%でそれを回復します。下流評価のために、決定的に選択された非確率のLongMemEval/Memoraパネルは

Machine translation (Meta M2M100); the English original follows.

Abstract

An LLM agent can retrieve a memory correctly yet use it incorrectly after its validity state changes. We study governance-state corruption: faults that alter which retained records enter model-visible context while stored content and tasks remain fixed. Across six providers, 731 benchmark-grounded bases yield 2,080 matched fault pairs. In offline control-plane checks, corruption changes the operative projection in 96.25% of pairs, while oracle-backed enforcement restores it in 100%. For downstream evaluation, a deterministically selected, non-probability LongMemEval/Memora panel resolves 298 o

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange