Memoryzacja agentów w momencie wdrażania — między użytecznością a prywatnością

Badanie pokazuje, jak long-lived agenty oparte na modelach fundamentalnych memoryzują dane użytkowników i jak projektowanie pamięci wpływa na balans między personalizacją, ryzykiem ekstrakcji danych a możliwością ich usunięcia. Artykuł definiuje frontier prywatności-użyteczności dla systemów agentów.