MemAdapter：用反事实推理缓解长期记忆引发的谄媚问题

Ruqing Ning · hf · 2026-10-06

吉林大学 DEEP 团队提出 MemAdapter 框架，解决 LLM 智能体长期记忆导致的谄媚（sycophancy）问题：即使记忆客观正确，也可能让智能体过度迎合用户历史信念。框架包含三个组件：- 反事实归纳（Counterfactual Induction）：用反事实推理揭示检索记忆的潜在风险；- 上下文感知反思（Context-Aware Reflection）：结合当前任务校准每条记忆的影响权重；- 基于证据的推理（Evidence-Based Reasoning）：最终回答基于证据，同时保留记忆的合理影响。在三个基准上实验显示 MemAdapter 持续提升记忆可靠性。代码开源：github.com/DEEP-JLU/MemAdapter。