LLM记忆门控防御论文：评估激活与记忆诱导谄媚

该研究提出 2×2 防御纵深框架，将内部激活引导与外部记忆处理分离，并在 MemSyco-Bench 上评测四个开源模型、10 个引导系数与五种记忆防御配置。结果显示，Selective Router Gate 相比完全移除记忆可保留更多平均准确率，且该优势在模型被引导偏向谄媚时仍然成立。目前报道仅涉及该论文的框架与评测结论，未见后续独立验证或争议信息。

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。