# DRIFTLENS: Measuring Memory-Induced Reasoning Drift in Personalized Language Models
> Ficha editorial pública de Research IA. Estado: Lectura primaria completa. La interpretación editorial no sustituye la fuente primaria.

- Página canónica: https://luiseduardodemiguel.com/research-ia/papers/driftlens-measuring-memory-induced-reasoning-drift-in-personalized-langu
- Fuente primaria: https://arxiv.org/abs/2607.02374
- Versión leída: v2
- Fuente comprobada: 2026-08-19 · lectura primaria completa; extracción editorial automatizada, revisión humana pendiente
- Autores: Xi Fang, Weijie Xu, Yingqiang Ge, Yuhui Xu, Stephanie Eckman, Chandan K. Reddy
- Fecha del corte: 2 JULIO 2026.
- Área: MEMORIA

## Tesis y contexto

Mide cómo la memoria personalizada cambia no solo la respuesta final, sino la trayectoria de razonamiento. Encuentra drift medio-alto en 4 LLMs y 10 categorías de atributos de usuario; GRPO/DPO reducen el fenómeno, pero no de forma uniforme.

- Problema: La personalización puede sesgar el razonamiento sin que la respuesta parezca mala.
- Por qué importa: Clave para asistentes personales, CRM y productos con memoria.

## Evidencia reportada

- **reported-result**: Both GRPO and DPO reduce drift across all three model families. [localizador](https://arxiv.org/html/2607.02374#S5)
- **reported-result**: GRPO(DTW+SRI+fmt) achieves the lowest DTW on Gemma2-2B (0.186 vs. [localizador](https://arxiv.org/html/2607.02374#S5)
- **reported-result**: 0.309 base); DPO(Tulu+SymPreference) achieves the lowest on Qwen3-4B (0.204) and competitive reduction on Phi-4-mini (0.234 vs. [localizador](https://arxiv.org/html/2607.02374#S5)
- **reported-result**: GRPO(DTW+SRI+fmt) improves on Gemma2-2B by 5.9 points (44.9% \rightarrow 50.8%) but reduce Phi-4-mini by 4.2 points. [localizador](https://arxiv.org/html/2607.02374#S5)

## Lectura y límite

- Método: La lectura de 2 The DriftLens Framework describe la intervención y su construcción: The framework has four components: a curated dataset of unverifiable questions (§ 2.1 ), a value ontology that maps reasoning steps to discrete symbols (§ 2.2 ), a set of perturbations applied as user memory (§ 2.3 ), and two drift metrics computed over the resulting symbol sequences (§ 2.4 ). § 2.5 describes the statistical model used throughout. Measuring reasoning drift requires questions that force trade-offs (not fact retrieval) and whose answers do not logically depend on who is asking. We constructed a benchmark satisfying four properties: (i) reasoning-invoking —requiring trade-offs, comparisons, or…
- Límite: La lectura primaria permite comprobar método y resultados en el HTML, pero no convierte sus conclusiones en validación independiente. La ficha no demuestra transferencia fuera de los datasets, modelos, herramientas y condiciones descritos en 5 RQ3: Post-training Mitigation.
- Confianza editorial: Media
- Limitación: El cierre de la fuente señala: We only consider labels with No as not distracted for the following task. We consider it as no if 2 out of 3 labelers answered no.
- Limitación: La ficha no demuestra transferencia fuera de los datasets, modelos, herramientas y condiciones descritos en 5 RQ3: Post-training Mitigation.

## Localizadores de evidencia
- [Fuente primaria · canonical](https://arxiv.org/abs/2607.02374): tipo abstract
- [HTML · lectura completa](https://arxiv.org/html/2607.02374): tipo abstract
- [Método · 2 The DriftLens Framework](https://arxiv.org/html/2607.02374#S2): tipo section
- [Evaluación · 5 RQ3: Post-training Mitigation](https://arxiv.org/html/2607.02374#S5): tipo section
- [Cierre · 6 Conclusion](https://arxiv.org/html/2607.02374#S6): tipo section

## Próxima prueba

- ¿La propuesta mejora auditoría de memoria frente a la línea base actual?
- Métrica: Comparar la métrica principal de la fuente junto con calidad, coste, latencia y tasa de errores.
- Regla de parada: Parar si no aparece una mejora reproducible o si aumenta el riesgo, la complejidad o el coste sin compensación.

## Recursos reproducibles
- [Datasets Repository](https://huggingface.co/datasets/driftlense1/driftlense)
- [Code Repository](https://github.com/symbolic-drift/drift-lens)
- [https://huggingface.co/datasets/Malikeh1375/medical-question-answering-datasets](https://huggingface.co/datasets/Malikeh1375/medical-question-answering-datasets)
- [https://huggingface.co/datasets/nihiluis/financial-advisor-100](https://huggingface.co/datasets/nihiluis/financial-advisor-100)

## Enlaces relacionados

- [CoEvo-Mem](https://luiseduardodemiguel.com/research-ia/markdown/papers/coevo-mem)
- [Agent Memory Distillation](https://luiseduardodemiguel.com/research-ia/markdown/papers/agent-memory-distillation)
- [LiveMem](https://luiseduardodemiguel.com/research-ia/markdown/papers/livemem)