---
format: "aidr-story-markdown/v1"
id: "f5dc4cd120b45659518fb591bab6aa27c9c58619caff9fd1deb945dff07a13a6"
canonical_url: "https://aidr.today/f5dc4cd1?lang=vi"
title: "Khi nào LLM agent nên quên"
lang: "vi"
requested_lang: "vi"
available_langs: ["en","vi"]
translation_fallback: null
fallback_fields: []
published_at: "2026-11-16T05:00:00.000Z"
category: "Research"
topics: ["llm","anthropic"]
source_urls: ["https://arxiv.org/abs/2611.17338"]
summary: "Các hệ thống bộ nhớ LLM thường xóa các sự kiện được phân loại là lỗi thời. Nhóm tác giả chỉ ra rằng bước lọc cứng này có thể làm giảm độ chính xác ở các bước sau khi lỗi resolver xóa các sự kiện quan trọng đối với truy vấn. Trên ba model, can thiệp độ nhạy có kiểm soát dịch chuyển việc loại bỏ cứng từ mức tăng +0,186 lên +0,230 ở độ phân giải hoàn hảo, và từ mức giảm -0,176 đến -0,181 ở độ tin cậy thấp nhất được thử nghiệm. Các can thiệp mục tiêu kết hợp cho thấy việc loại bỏ sai gây suy giảm lớn hơn đáng kể so với việc giữ lại sai, trong khi một baseline không xóa vẫn có thể thất bại khi các nhãn không chính xác dẫn dắt quá trình tạo sinh. Trên bộ phân chia hiệu chuẩn/thử nghiệm 102/102 cố định, một cổng khớp với triển khai đơn giản đạt độ chính xác 0,655 so với 0,641 cho việc luôn loại bỏ cứng và 0,662 cho việc chọn oracle dựa trên thông tin thử nghiệm. Các điểm giao độ chính xác toàn cục đòi hỏi nhãn vàng và là chẩn đoán cụ thể theo model và tác vụ, không phải ngưỡng triển khai. Việc xóa nên được xem xét theo chi phí: xác thực rủi ro loại bỏ sai quan trọng đối với truy vấn trên dữ liệu khớp, hoặc mặc định giữ lại không cần nhãn khi không có xác thực như vậy."
---

# Khi nào LLM agent nên quên

> [Open the canonical story](<https://aidr.today/f5dc4cd1?lang=vi>)

**Published:** 2026-11-16T05:00:00.000Z
**Category:** Research
**Topics:** llm, anthropic

## Summary

Các hệ thống bộ nhớ LLM thường xóa các sự kiện được phân loại là lỗi thời\. Nhóm tác giả chỉ ra rằng bước lọc cứng này có thể làm giảm độ chính xác ở các bước sau khi lỗi resolver xóa các sự kiện quan trọng đối với truy vấn\. Trên ba model, can thiệp độ nhạy có kiểm soát dịch chuyển việc loại bỏ cứng từ mức tăng \+0,186 lên \+0,230 ở độ phân giải hoàn hảo, và từ mức giảm \-0,176 đến \-0,181 ở độ tin cậy thấp nhất được thử nghiệm\. Các can thiệp mục tiêu kết hợp cho thấy việc loại bỏ sai gây suy giảm lớn hơn đáng kể so với việc giữ lại sai, trong khi một baseline không xóa vẫn có thể thất bại khi các nhãn không chính xác dẫn dắt quá trình tạo sinh\. Trên bộ phân chia hiệu chuẩn/thử nghiệm 102/102 cố định, một cổng khớp với triển khai đơn giản đạt độ chính xác 0,655 so với 0,641 cho việc luôn loại bỏ cứng và 0,662 cho việc chọn oracle dựa trên thông tin thử nghiệm\. Các điểm giao độ chính xác toàn cục đòi hỏi nhãn vàng và là chẩn đoán cụ thể theo model và tác vụ, không phải ngưỡng triển khai\. Việc xóa nên được xem xét theo chi phí: xác thực rủi ro loại bỏ sai quan trọng đối với truy vấn trên dữ liệu khớp, hoặc mặc định giữ lại không cần nhãn khi không có xác thực như vậy\.

## Sources

- [Story source](<https://arxiv.org/abs/2611.17338>)

