身份不止于记忆：面向部署中 AI Agent 持续身份的新基准

arXiv:2609.13637v1 公告类型：new 摘要：持久化 Agent 需要能够区分"可回忆的身份事实"与"所表达和实际执行的身份事实"的评估方法。我们推出 PAI-Bench，这是一个与提供商无关的 benchmark，用于评估对版本化、受更新治理的身份契约（identity contract）的保真度。该 benchmark 将召回（recall）、组合（composition）、行为执行（behavioral enactment）、抗干扰性（resistance）、持久性（persistence）、谱系（lineage）以及受角色条件约束的更新（role-conditioned updates）分离开来，同时将评分 oracle 置于目标进程之外。两轮冻结的评测活动覆盖了十六个合成 profile、三十二个探针，以及三个独立初始化的目标配置，共产生 1,536 条保留响应。一项独立于 judge 的字面审计发现，48/48 条原子响应中均存在直接父级标识符，但在隐式自画像中仅为 1/48。在八个 profile 上，在相同的四句话指令下，显式字段线索使三个身份标识符的联合出现率从 0/8 提升至 7/8。另一项单独的启动体标签替换（startup body-label substitution）实验，在父级标识符仍然缺席的情况下，将完整称谓的出现率从 1/8 提升至 7/8。这些对比揭示了在被测部署中存在的"提示依赖的组件选择"以及"组件对启动线索的特异性敏感"。重放相同的因子设计响应还发现，Claude 的头条均值比 Astra 低 12.5 个百分点，这表明评估器敏感性与目标行为是相互独立的。上述研究在每个条件下均使用单一目标样本，并辅以事后审计和后续实验。PAI-Bench 提供了一套可复现的评估协议，用于将事实可用性、身份表达和行为执行作为身份契约保真度的不同维度加以度量。