Keep It InMind: Benchmarking the Implicit-Association Blind Spot in Agent Memory

论文发现了一个LLM记忆系统的关键盲点：当需要利用隐含知识进行推理时（如坚果过敏 → 杏仁粉做的马卡龙不应推荐），现有检索器无法关联表面不相似的内容。作者构建了InMind基准，包含125个跨10个生活领域的任务，其中113个有可验证来源。实验显示，当需要检索的线索直接出现在上下文中时，模型回答正确率84%，但经六种主流记忆系统检索后，最高仅14.4%。增加嵌入维度无法改善。诊断实验表明问题出在查询驱动的检索接口本身，提示需要路由式的预激活机制。

• 对导购agent产品的直接影响：这正是我导购产品面临的核心问题——用户可能说过“我对坚果过敏”，后来问“马卡龙推荐”，现有记忆系统无法自动关联。必须放弃纯向量检索，引入预激活路由或基于知识图谱的推理链。
• 判断改变：之前认为记忆系统的瓶颈在存储容量或检索速度，现在认识到检索接口的“隐式关联盲点”才是关键。这可能推翻了大多数记忆系统的假设，即“需要的记忆会类似查询”。
• 下一步行动：1) 读全文，重点看其诊断探针和路由设计；2) 在导购场景跑InMind中的类似任务（如食物过敏线），验证盲点严重程度；3) 考虑在项目中加入“记忆预激活”或“推理时手动注入相关记忆”的临时方案。