为什么重要
LLM 是否具备隐式记忆能力——即无需显式提示就能从经验中自动适应行为？ImplicitMemBench 从认知科学出发，首次系统性地评测这一问题。这对理解 LLM 的”认知”边界具有重要意义。
核心设计
300 个测试项覆盖三个认知科学构念：程序性记忆（干扰后的单次技能获取）、启动效应（主题驱动偏差）和经典条件反射（CS-US 关联塑造的首次决策）。采用统一的”学习/启动-干扰-测试”协议和首次尝试评分，模拟人类认知实验范式。
关键发现
没有模型整体得分超过 66%（DeepSeek-R1 最高 65.3%），远低于人类基线。发现显著的不对称性：抑制率仅 17.6% 而偏好率达 75.0%，说明 LLM 容易被”启动”但难以”抑制”——单靠参数扩展无法解决，需要架构创新。