ImplicitMemBench：测量大语言模型无意识行为适应的基准测试

香港大学与哈尔滨工业大学联合研究团队在ACL 2026发表Oral论文，提出首个系统评估大语言模型（LLM）隐性记忆能力的基准测试ImplicitMemBench。该基准通过程序记忆、经典条件反射和启动效应三类任务，探究LLM是否能通过行为交互获得、保持和表达无意识记忆，为理解AI学习机制与安全提供新视角。

大语言模型的记忆研究长期聚焦显性记忆（上下文事实保持），但人类认知中存在更深层的隐性记忆（如骑自行车、打字等无意识习得的技能）。团队提出核心问题：LLM是否能通过行为交互获得、保持和表达隐性记忆？为此开发ImplicitMemBench基准测试，填补该领域空白。

ImplicitMemBench覆盖认知科学三类核心隐性记忆现象：

1. 程序记忆：测试模型在重复交互中无意识掌握操作模式（无需显式指令）；
2. 经典条件反射：检验模型对反复配对的刺激-反应自动关联；
3. 启动效应：评估先前接触内容对后续行为的隐性引导（无回忆要求）。

ImplicitMemBench代码仓库包含完整数据生成与评估框架：

• 数据生成：支持三类任务，可通过配置文件调整样本数、温度系数等参数；
• 评估模块：标准化测试流程，支持OpenAI兼容API批量评估；
• 判断机制：程序记忆任务用sentence-transformers评级，所有任务采用自动化判断确保可重复性。

该研究意义深远：

• 学习机制：若LLM具备隐性记忆，将改变对AI学习的认知，需重新设计持续学习与个性化适应范式；
• 安全考量：隐性记忆可能导致模型无意识形成偏好/偏见，难以察觉或解释，引发AI安全问题。

研究者可通过以下步骤使用：

1. 配置评估/生成文件（指定API端点、模型名称、任务类别等）；
2. 运行Python脚本启动实验；

• 数据集采用CC BY 4.0许可，代码为MIT许可，HuggingFace提供快速获取渠道。

ImplicitMemBench标志着LLM研究从"能做什么"转向"如何学习"。理解LLM的隐性记忆能力，对构建更安全、可控的AI至关重要，为未来探索奠定基础并指明方向。