遗忘并非总是坏事：面向遭受投毒的 LLM 智能体的神经科学启发式记忆修复机制

大语言模型（LLM）智能体极易受到记忆投毒攻击。现有防御方法主要依赖外部模块进行静态记忆隔离或持续在线审计，导致记忆利用效率低、计算开销高。为解决这些局限，受神经科学机制的启发——弱再激活可使记忆变得不稳定，并在缺乏强化的情况下诱导其衰减——我们提出了一种智能体内生、无需训练的记忆修复框架 DREAM（Dynamic Reactivation for Engram Attenuation in Memory），实现对被投毒记忆的选择性功能遗忘。具体而言，DREAM 采用三阶段流程：通过扰动诱导的隐式再激活揭示恶意记忆的结构脆弱性；基于多维激活模式进行自适应异常诊断，以检测拓扑异常；利用动态记忆修复模块选择性地抑制有害记忆，同时强化良性记忆。在多种攻击者和真实世界任务上的广泛实验表明，DREAM 在应对后门投毒时将攻击成功率降低了 95% 以上，同时保持了较强的良性任务效用。DREAM 在抵御注入攻击方面也展现出具有竞争力的鲁棒性。在运行时间和 token 消耗方面，与 A-MemGuard 相比，DREAM 最高实现了 2.13 倍加速，并将 token 消耗降低了 37.7%。此外，DREAM 在遭受投毒的多智能体系统上也实现了 92.96% 的任务成功率。