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

Japanese

多くのLLMエージェントは外部の永続的な記憶を維持し、概要などの過去の相互作用から追加の状態を引き出します。 したがって、元のメモリレコードを削除するには、その子孫によって運ばれる情報を削除する必要はありません。 我々は、固定重量のLLMエージェントでこの失敗モードのためのコントロールされた行動監査であるAfterDeleteBenchを導入します。 各合成秘密に対して、我々は、秘密に決して曝露されなかった他の一致したエージェントと比較し、削除後の回復が元の曝露に割り当てられることを可能にします。 我々の主な設定では、単一のクエリは、秘密を回復します。

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