用于评分预测的个人 AI 记忆受控审计

arXiv:2610.02764v1 发布类型：新 摘要：在结构化评分预测中，个人 AI 使用历史项目—评分关联，还是主要依赖用户的评分倾向？我们通过在每位用户内部置换历史评分，同时保持评分分布、项目支持集和元数据完全不变，来审计这一差异。我们将这一控制实验与完整历史记录、原生记忆提取以及匹配的数值读取器相结合，在一个公开冻结的评估中，测试了 400 个留出用户档案以及 Coat 和 MovieLens 中的 6,160 个目标评分。在 Coat 上，与完整历史记录相比，经过测试的 Qwen 编写的 Mem0 流水线使用户宏平均绝对误差提高了 0.084（Qwen）和 0.149（Phi）；两者经家族校正后的 bootstrap 区间均不包含零。正确的历史分配有助于 Coat 上的两种读取器，但在经过校正后，MovieLens 中相应的影响较小且无法得出结论。仅使用历史记录的 ridge 读取器在两个领域都优于 Qwen，并且在 MovieLens 上优于 Phi；而在 Coat 上与 Phi 的比较尚无定论。全部 2,800 次读取器调用（包括 150 次无效输出）均依据固定的回退规则予以保留。另一套独立实现验证了输入、指标和全部十项主要对比结果。本文的贡献是一项可复现的诊断性研究，说明记忆提取、关联使用、输出可靠性和读取器选择为何需要分开评估。