כתבה
arXiv cs.AI ·
זיכרון נכון שהולך לאיבוד
When Correct Memory Goes Wrong: Fuzzing Persistent Memory Use in LLM Agents
זיכרון עמיד מסייע לסוכנים LLM לשמור מידע לאורך אינטראקציות ארוכות. U-Fuzz היא שיטה חדשה לגילוי שגיאות בשימוש בזיכרון. היא משתמשת בנקודות בדיקה כגרעיני בדיקה, משנה שאילתות או מצבי זיכרון ובודקת כל מוטאנט. U-Fuzz גילתה שגיאות רבות יותר משיטות אחרות.
תקציר מקורי באנגליתarXiv:2609.38275v1 Announce Type: cross Abstract: Persistent memory helps LLM agents carry information across long interactions, but correct memory can still be used incorrectly when queries change or memory states evolve. Existing work mainly studies memory content errors or evaluates fixed test cases, leaving memory-use failures hard to discover systematically. We formulate this issue as a fuzzing problem and categorize such failures into query-related and memory-state failures. We then develop U-Fuzz, which starts from memory checkpoints as test seeds, mutates queries or memory states under explicit mutation obligations, validates each mutant, and uses observed memory behavior to guide iterative testing while keeping failure labels outside the search. We evaluate U-Fuzz across several m
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית