FACTWASH 在代理寫入記憶前攔截語氣漂移，否定詞跨域檢測 F1 達 0.91

代理記憶系統通常會把對話、郵件或文件壓縮成較短紀錄，但摘要可能保留主張內容，卻刪掉「據稱」、「可能」、「當時有效」等限制。8 月 4 日公開的 FACTWASH 將這種現象稱為 factwashing，並把檢查設在寫入端：工具先找出待存句子對應的來源句，再檢查否定、避險語、說話者歸屬、時間範圍及數值或實體變動。無法修正的內容會被拒絕，可修正的語氣偏移可重寫，找不到可靠來源對齊時則標為不可檢查，而不是直接放行。

實作是一個 Apache 2.0、零執行期依賴的 Python 套件，亦提供包裝既有 mem0 儲存層的介面。研究的重要設計判斷是：明確否定等「封閉類」線索接近可枚舉，詞表在未調校文本上仍達 0.91 F1；避險語與歸屬方式屬於「開放類」，單靠詞表的召回率約停在一半。針對後兩者加入只負責指出線索的 LLM witness，召回率分別增加 17 與 15 個百分點，而且該元件只能降低、不能提高最終安全判定，避免模型自行替可疑寫入背書。

作者以逾 10.5 萬個外部標註句子測試線索辨識，並在未修改的 mem0 2.0.7 上攔到 8 筆帶避險語之傳聞寫入中的 5 筆。不過，實際記憶寫入評估只有單一標註者，第二次盲標的一致性 κ 僅 0.47；工具目前也只處理英文，子字串規則可被改寫繞過。工程團隊應把它視為可稽核的窄型閘門，而非通用事實驗證器，下一步要觀察多語言支援、跨句來源對齊，以及第三方在真實記憶管線上的誤攔率。