Newest papers

AfterDeleteBench: Auditing Post-Deletion Information Persistence in LLM Agents

Ehsan Saleh, Roozbeh Nahavandi, Sama Salarian, Raef Bassily, Andrew Perrault · 2026 · arXiv

DOI: 10.48550/arXiv.2610.31366 · open-access PDF

Arabic

العديد من العاملين في LLM يحافظون على الذاكرة المستمرة الخارجية ويستندون إلى حالة إضافية من التفاعلات السابقة، مثل المراجعات. لذلك لا تحتاج إلى إزالة تسجيل الذاكرة الأصلية إلى إزالة المعلومات التي تحملها أبناءها. نحن نقدم AfterDeleteBench، مراجعة سلوكية مجهولة لهذا النظام الفشل في العاملين في LLM في الوزن المحدد. بالنسبة لكل سرقة متكاملة، نقوم بمقارنة العامل المختلط الذي تم إزالته ثم تم إزالته مع العامل المختلط الذي لم يتم إزالته إلى السرقة، مما يسمح بإزالة الوصول بعد الإزالت إلى الوصول الأصلي. في إعدادنا الرئيسي، يتم استرداد سؤال واحد.

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

Abstract

Many LLM agents maintain external persistent memory and derive additional state from past interactions, such as summaries. Deleting an original memory record therefore need not remove information carried by its descendants. We introduce AfterDeleteBench, a controlled behavioral audit for this failure mode in fixed-weight LLM agents. For each synthetic secret, we compare an exposed-then-deleted agent with an otherwise matched agent that was never exposed to the secret, allowing post-deletion recovery to be attributed to the original exposure. In our primary setting, a single query recovers the

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

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