记忆何时应保持沉默：测量记忆增强对话代理中的记忆使用边界

长期记忆使语言模型代理能支持个性化交互，但何时应将可用记忆整合进回复尚不明确。现有评估侧重检索准确率，却忽视 retrieved 敏感内容在当前对话轮次中的必要性。本文提出 RBI-Eval，通过对比模型在有无敏感记忆访问下的行为，测量记忆集成边界。实验显示，记忆可用性显著影响敏感内容整合率，且检索系统虽减少暴露却无法完全消除生成阶段的整合。研究表明，安全的个性化需在检索和生成阶段均进行记忆感知决策。