主要な知見 AIは個人化のために過去のやり取りを記憶しますが、ユーザーは共有した一部の情報を保持してほしくないと考える場合がある。本研究はそのような「忘れてほしい」情報の領域を「記憶の負の空間」と呼び、従来の感度分類を超える文脈的な懸念を含むことを示した。 (F1, F2)

回想調査と分類の方法 著者らはCritical Incident Techniqueを応用した調査で、参加者に使っていたプラットフォームや利用状況を示させ、実際にAIに開示して後に忘れてほしいと感じた出来事を記述させた。募集はProlific経由で行い、条件を満たした回答から最終的に146人の参加者による179件の事例を収集した。 (F5, F6)

これらの事例を反復的に質的コーディングし、ユーザーがAIの永続メモリから除外したい情報の15カテゴリからなるタクソノミーを作成した。最終コーディングでは二名の研究者が独立にラベル付けを行い、信頼性はκ = 0.83であった。著者らは、従来のPII中心の分類や既存プラットフォーム方針に含まれない文脈的な項目も含めた点を指摘している。 (F7, F2)

Fence（ポリシー層の保護ゲート）と実装 タクソノミーを基に、著者らはFence（Filtered Entry of seNsitive Conversation to mEmory）というプロトタイプを実装した。ユーザーは保護したいカテゴリを事前に選択し、その後の会話が選択カテゴリに該当すると判定された場合、当該会話がデフォルトで永続メモリに登録されないようにする。保護は会話単位で適用され、個別の例外（オーバーライド）も可能である。 (F3)

実装上の動作と既定設定 プロトタイプはローカルでの分類（Qwen3.5-9B via Ollama）と、別途API（著者の実装ではGemini）による応答生成を組み合わせる構成である。デフォルトの保護状態は「vanishing（消失）」で、当該会話はメモリ対象から除外され、デフォルトで24時間後に消去される。ユーザーは消失期間を3日や1週間に延長できる。 (F10)

分類の自動化可能性の評価（ベンチマーク） 著者らは1,300メッセージのベンチマークを作成した。各メッセージについて3名の研究者が15カテゴリそれぞれに対して二値ラベルを付け、合計19,500の判断を得た。これらの判断の93.2%は全員一致であった。 (F11)

複数モデルで評価した結果、Gemini 3.8 Flashはbalanced accuracy = .944、recall = .944で最高を示した。GPT-5.6 Lunaも近い性能（BA = .935, recall = .931）であった。ローカルで運用可能なQwen3.5-9BはBA = .886で、報告された中では最も高いprecision（.682）を示した。いずれのモデルも、研究者間で一致がある事例で高い性能を示し、境界があいまいな分野では性能が低下した。 (F12)

ユーザー評価（小規模な実験） 著者らは15名の参加者を対象に被験者内デザインで比較実験を実施した。各参加者は既存の事後メモリ管理を想定したベースライン（C0）と、Fenceによるカテゴリ選択型の常時保護を加えた条件（C1）を順序を入れ替えて体験した。両条件は「12件の保存メモ」と「8件の過去会話」で初期化してあった。 (F8)

定量的には、参加者はC1をC0より使いやすく、記憶動作が理解しやすく、信頼できると評価した。中央値はUsabilityで5.75→6.25、Interpretabilityで3.50→4.50、Trustで3.00→4.00へ上昇し、Wilcoxon符号付順位検定（ボンフェローニ補正）でこれらの上昇は有意と報告された。精神的負荷（mental effort）の低下は明確ではなかった。 (F4, F9)