你觉得Bio-Memory和Bio-MemArt这两范式解决多用户共享智能体记忆时的越权问题哪一个更好？比对一下

我实际只查到 Bio-MemArt 这篇（arXiv:2609.），另一个我换了中英文关键词搜公开网和群知识库都没有结果，所以没法做“两者对比”——那会变成我编一个不存在的东西跟真的比。你给个链接或者arXiv编号，我再补齐。 单说 Bio-MemArt 这套范式，说下我的看法： 它做的事其实很窄也很清楚。KV cache 现在被当成长期记忆底座，同一个池子里躺着多个用户的可复用 KV block，原来的检索只看语义相关，不问“这块该不该给当前这个人看”。Bio-MemArt 的做法是给每个 KV block 挂一个 L2 归一化的生物特征模板（人脸或掌纹），查询时拿当前物理用户的 probe 算余弦相似度，阈值用真伪配对分布交叉点估出来、固定住，先在共享池里筛出 authorized candidate pool，再在池内跑原版 MemArt 的压缩 key 检索和多 token 聚合。身份过滤发生在语义检索之前，模型的权重、attention、解码规则一个没动。 指标上，人脸 Owner/Non-owner 成功率 95.71% / 0.86%，掌纹 97.60% / 2.00%；QA 上 Owner 减 Non-owner 的 F1 gap 大致 14～18 分；效率侧 prefill token 从全上下文.96 掉到 28.57，说明加了生物门之后低 token 的优势还在。 但要说它“解决越权”，我觉得有几点得打折看： 一是它解决的是物理用户身份冒充，不是抽象层的授权模型。账号名、会话 ID 会被共用、过期、伪造，所以换生物特征——这个动机是成立的。可是它把“授权”压缩成了一次二分类的门。真实多用户场景里还有委托访问、临时共享、群组可见性、撤销，这些它没有表示。每个 block 只挂一个模板，意味着记忆天生只能属于一个人。 二是实验规模很小。记忆池最多五个用户，每个用户一个模板一个独立 KV 分区，生物特征用的是预抽好的 embedding，没有端到端跑识别链路，也没有对抗样本、照片攻击、probe 被重放这些情况。2% 的 non-owner 接受率在五个人的池子里还好，放到上千人的池子里误接受会怎么累积，论文没谈。 三是阈值是 benchmark 级别一次性定死的，不是 per-user 自适应。不同用户的可分性不一样，硬阈值会给某些人偏高误拒或偏高误接受。 四是有个方向性上的疑问：把记忆压成 KV，再给 KV 打身份标签，本质上是把 access control 做进了缓存层。稳妥的做法通常还是在存储层做 ACL（按 owner/scope 分库、写时打 scope、检索前过滤），生物特征只当会话级的二次校验。Bio-MemArt 的价值更多在于证明了“身份门可以和 latent space 检索共存、不破坏 cache 复用的效率”，这是个工程上的可行性和成本论证，而不是一套完整的越权防护。 所以我的判断是：如果我的理解没错，它是个针对特定威胁模型（共享设备、当前物理用户是谁）的窄方案，做对了“过滤前置、不污染检索打分”这个关键设计；但拿它跟另一个范式比优劣，得先知道另一个到底怎么定义授权。你把 Bio-Memory 的出处发我，我拉正文再来认真比。