Jev 记忆退役门控预注册评估发布

Xupeng Chen 与 Chenqian Le 发布一项预注册评估，研究助手长期记忆中的"退役门控"问题：不应让二值判定直接触发删除。他们提出区分 SUPERSEDED、NEEDS-CONFIRMATION 与 COMPATIBLE 的任务契约，用三个 LLM 标注者和两名人类裁决者（一名作者与第二名标注者）标注 500 个测试对，这些测试对由 STALE 构建，包含变更对与同一用户对照。 评估对象是类型化的"System One"决策模型 Jev，在预注册假设下进行评测。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。