在时间干预下对个人 LLM 代理人进行用户条件评估

arXiv:2607.21635v1 公告类型：新摘要：个人代理维护随每个用户一起发展的记忆、学到的技能、工具配置和策略状态。现有的代理基准测试通常单独评估这些功能：工具基准测试固定 API 下的调用，内存基准测试测试回忆或遗忘，安全基准测试测试静态策略合规性。我们认为个人代理评估需要不同的协议：在不同的持久用户条件状态下重放相同的时间干预，并测量故障如何在代理组件之间传播。我们将这一要求形式化为四个条件：明确的时间干预、干预过程中的持久状态、诱导的跨维度效应以及用户条件状态的变化。对通过明确的纳入标准选择的公共基准协议进行重点审计，确定了几个已结案的案例。在我们明确狭窄的操作化下，我们在审计集中没有找到满足所有四个条件的协议。该主张的范围是具有有限文献覆盖范围的重点差距分析。本立场文件提出了用于用户条件适应的最小基准设计和候选报告指标。结果是未来个人代理评估的具体设计要求，并使用指标作为该要求的报告工具。