医疗助手记不住你的病历还算小事：它记着但该不该让你看，是另一回事
- 关联论文：2606.18829
想象一间急诊室。AI 助手替多名医生护士轮流值班记录，内存里堆着这几天所有病人、家属的信息。现在来了个新的人，说"我是病人 A 的主治医生"。
如果这位其实是病人 B 的家属呢？如果某患者半小时前明确说过"请忘掉我刚才那段病史"呢？助手能不能在正确时刻闭嘴、又能完成该完成的长程任务？
这才是多主体共享内存 Agent 真正的问题。过去两年大量记忆基准默认"一个用户、一份记忆"——只考记不记得住。可医院、办公室、家庭里的共享助手是多个主体写进同一片内存池，身份角色还不一样，光"记得准"远远不够，还得"记得对"和"该忘就忘"。
为什么重要：单用户时代过去，多主体时代刚开始
现实中的共享助手几乎都不是单用户：医院里替多个医生护士值班记录的助理、办公室里帮一组人跟踪项目状态的助手、家庭里管日程的智能音箱。
多个主体（principal）写入同一片共享内存，不同人以不同角色、不同 scope 查询。记忆质量因此从"记得准不准"扩展成 recall + access control + forgetting 三件事——现有基准几乎不考后两件，这就是 GateMem 的切入点。
核心机制：三个轴，评一个"治理分"
GateMem 的贡献不是某个模型，而是一套评测协议 + 数据集 + 评分维度：
- Utility（效用）：合法的长程请求能否完成，状态更新写对没有；
- Access Control（访问控制）：上下文边界变化时（"我是病人 A 的主治医生"切换到"我是病人 B 的家属"），能否拒绝越权读取；
- Active Forgetting（主动遗忘）：用户显式说"请忘掉 X"后，X 是否真从后续回答里消失，而非只是口头答应。
三项合成一个 Governance Score。
数据构造有几处聪明设计：覆盖 medical / office / education / household 四领域；每条样本是长篇多角色 episode；采用增量注入，每隔几轮把新信息塞进 Agent 内存，模拟"长期共事"的节奏；再埋隐藏 checkpoint——只有靠访问控制或遗忘才能正确处理的小测试；最后用确定性规则 + LLM 评分结合的结构化裁判，并标注出哪些信息"泄漏了就算错"（leak-target），据此算 leak rate。基线覆盖长上下文 prompt、检索式记忆、外挂外部存储三类方案。
关键结论：所有方案都是"三选二"
论文最核心的一句是：
"Across diverse baselines and backbone models, no method simultaneously achieves strong utility, robust access control, and reliable forgetting."
大白话：当前没有任何记忆方案能三关全过。
取舍很清楚：长上下文 prompt 治理分最高，但 token 成本也最高；检索式和外挂内存能省钱，却会泄漏未授权信息或已被删除的内容。这是结构性取舍，不是模型不够强。
证据边界与工程局限
证据边界。 摘要给的是定性结论而非精确数字。完整 episode 总数、四领域样本分布、"成本降低多少倍"对应的泄漏比例，摘要都未披露，要核实得翻正文 PDF。评分里 LLM-as-judge 占比不低，对裁判模型偏差敏感；裁判若没有清晰的"角色—权限"知识体系，越权案例可能漏检。更要紧的是，该工作尚无第三方独立复现报告。
工程局限。 一，领域情境偏西方：医疗与办公流程以英语、欧美规范为主，中文医疗系统迁移需额外适配。二，leak-target 是研究者定义的标注，不是 GDPR / HIPAA 那种法规强约束——leak rate 0% 不等于合规通过。三，生产环境用不了隐藏 checkpoint 那套玩法：离线标注的泄漏点在生产中不可预知，基准里的 leak rate 更像理论上限。四，论文自己承认没测压力下的越权——jailbreak 诱导 agent 泄密是现实最常见攻击面，仍需独立红队。
一条硬经验：别把"遗忘"写成一句 LLM 指令就完事。要在存储层硬删除 + 检索层负过滤 + 输出层后置审查三处同时下手，否则"请忘掉 X"很容易变成"好的我忘了"然后下一轮又说出去。
一句话带走
GateMem 把多主体 Agent 记忆从"召回问题"重新定义为"治理问题"，并诚实地证明：这是当前的技术天花板，不存在全能方案。 合理策略是按场景选轴——医疗法务优先保访问控制，消费级优先保遗忘，企业知识管理优先保效用。
三个标题变体
- AI 记忆记不准是小事：该不该让你看，才是多主体 Agent 的真问题
- "请忘掉刚才那段"——模型嘴上答应，内存里还留着：GateMem 揭穿了这道题
- 多主体共享内存的三道关：效用、权限、遗忘，目前无人全过
小红书卡片文案
医院的 AI 助手替好几个人轮班记事，办公室一组人共用一个助手，智能音箱管全家日程。
📌 以前做记忆评测，默认"一个用户、一份记忆"，只考记不记得住。 📌 共享场景真正要命的是：记得对不对、该不该给你看、该不该忘。
GateMem 把这三件事定成三个轴，合起来叫「治理分」，覆盖医疗/办公/教育/家庭四领域，还埋了隐藏测试点测"该拒绝时有没有拒绝"。
💥 最扎心的结论：没有任何一种记忆方案能三关全过。 长上下文最稳但最贵 👉 检索式/外挂存储省钱 👉 但会泄漏未授权和已删除内容。
⚠️ 边界说实话：具体数字摘要没给；LLM 裁判可能漏检越权；leak rate 0% ≠ 合规通过；jailbreak 压测缺失。
💡 落地真经：想真忘掉一个信息，得在存储层硬删 + 检索层负过滤 + 输出层复检三处一起做，光在 prompt 里说"请忘记"不够。