长期运行的 LLM 智能体会把过去的交互压缩成持久记忆，并在后续任务中将其作为前提使用。这导致一个独特的推导问题：记忆是否真的来源于交互历史所支持的内容。相关证据可能散布在早期交互中，而压缩过程可能引入历史从未确立的关系或事件状态。于是，一个看似有效的记忆可能因引用遗漏关键证据而显得缺乏支持；相反，若干单独支持的事实被组合后，可能形成历史从未证明的更强断言。我们通过三项耦合要求来刻画该问题：证据范围、组合有效性和录入可靠性。核心问题是：写入时可得的交互历史是否足以支撑进入持久记忆的内容。为此我们提出 DerivAudit 框架，用于审计记忆是否真正得到当时历史的支持。审计分为三类问题：证据是否超出作者提供的引用、组合记忆是否引入未支持的含义、写入时的录入决策如何影响后续记忆使用。对两个自然记忆语料库进行审计时，扩展至更广的写前历史后，约 60% 的记忆在仅凭引用看似不支持的情况下被发现有支持，而仍有 17%‑21% 在扩展后仍缺乏支持。然而，仅靠证据扩展并不能提升录入可靠性：在多种验证模型下，未支持的记忆仍频繁被录入，且在两种主干模型上，证据扩展反而加剧了该问题。
点评