AMU按数据谱系治理智能体记忆

Venkata M Sangaraju 和 Sudhir Vissa 提出 Analytical Memory Unit（AMU），为企业 AI 智能体缓存结果记录完整推导谱系；只有请求者获准访问所有涉及列时才允许检索。 论文摘要称，在谱系记录完整、未命名来源的派生特征不泄密的条件下，AMU 按构造阻止越权检索，最坏时间复杂度为 O(n)。六项实验中，该机制消除了朴素内容门控记忆的跨部门泄露，同时保留 81.5%—82.6% 的记忆复用，最坏额外开销为 13.8 微秒；消除实测泄露需要谱系完整度达到 75%—90%，作者建议部署目标取 90%。 基于大模型生成 SQL 的真实智能体概念验证在 9 次往返中未发现泄露，并自动捕获两次权限冲突，但论文摘要明确称这只是可行性演示，不能证明生产环境适用性。

AI 根据报道生成 · 42 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。