看见、说出，还是遗忘？跨对话轮次视觉 KV 记忆的因果审计

论文研究多模态助手跨多轮对话保存视觉事实时，何时可以安全淘汰图像 KV。作者提出因果视觉记忆审计 CVMA，在 VisDial 和 ConvBench 上发现，当前注意力可能比随机选择更差地预测未来有用区域；若事实已被助手文本明确说出，文本 KV 可部分替代图像 KV，但对未陈述事实并不可靠。