arXiv · cs.AI· Ritvij Sharma, Russell Dlugosz, Ryan Zhou, Maheep Chaudhary·· 3 天前
大语言模型记忆门控防御：评估激活诱导与记忆诱导的迎合性
Defense-in-Depth for LLMs: Evaluating Memory Gates Against Activation-Induced and Memory-Induced Sycophancy
arXiv:2610.07403v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Ritvij Sharma, Russell Dlugosz, Ryan Zhou, Maheep Chaudhary
研究任务与主要进展
该论文提出一个将内部激活引导与外部记忆处理分离的纵深防御框架，并在 MemSyco-Bench 上评估四个开放权重模型、五种记忆防御配置和三名评审模型。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org