AI智能体持久身份基准PAI-Bench
原文标题：Identity Is More Than Recall: A Benchmark for Persistent Identity in Deployed AI Agents
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出PAI-Bench，一个供应商中立的基准，用于评估持久化AI智能体对版本化、受更新治理的身份契约的忠实度。基准区分回忆、组合、行为执行、抵抗、持久性、谱系与角色条件更新等维度，覆盖16个合成档案与32个探针。审计发现直接父标识符在48/48原子响应中出现，但隐式自画像仅1/48，揭示身份表达对提示与启动线索的高度敏感性。
- 问题
- 持久化智能体的身份忠实度缺乏供应商中立的评估基准。
- 方法
- 提出PAI-Bench，用版本化身份契约区分回忆、组合、执行、抵抗等维度，评分器置于目标进程外。
- 结果
- 直接父标识符在48/48原子响应中出现，隐式自画像仅1/48；显式字段线索使三标识符共现从0/8升至7/8。
- 影响
- 为持久智能体身份一致性提供可复现评测协议，便于工程验收。
深读 · 结论先行AI 生成展开看要点与影响 ↓
PAI-Bench审计发现：直接父标识符在48/48原子响应中出现，隐式自画像仅1/48。
- •提出供应商中立的基准，评估持久化智能体对版本化、受更新治理的身份契约的忠实度。
- •区分回忆、组合、行为执行、抵抗、持久性、谱系与角色条件更新等维度，评分预言机置于目标进程之外。
- •两轮冻结实验覆盖16个合成档案、32个探针、3种独立初始化配置，共1536条保留响应。
- •8个档案上，显式字段线索使三个身份标识符的联合出现从0/8升至7/8；启动标签替换使完整称谓从1/8升至7/8，而父标识符仍缺失。
- •重放相同因子响应时，Claude头条均值比Astra低12.5个百分点，显示评估者敏感性独立于目标行为。
为什么重要：持久身份是智能体产品化的核心承诺，该基准揭示身份表达高度依赖提示与启动线索，评估不能只看回忆。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。