arXiv 上的一篇新论文探讨了用户请求如何在多轮 AI 对话中演变，挑战了将每个提示视为孤立查询的普遍做法。研究人员 Benjamin Tannenbaum 及其同事分析了商业和 PRISM 对话数据集，发现最终提示的独特词汇量通常不到会话总词汇量的一半。他们的分析还显示，很大一部分对话涉及最终提示中的状态更新，而不仅仅是摘要或引用，这表明会话级别的衡量对于评估 AI 搜索至关重要。 AI
影响 建议需要新的 AI 搜索评估指标，这些指标应考虑对话上下文而非孤立的提示。
排序理由 该集群包含一篇发表在 arXiv 上的研究论文，详细介绍了关于 AI 对话分析的新发现。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.IR (Information Retrieval) 阅读 →
- AI search visibility
- alphaXiv
- arXiv
- Benjamin Tannenbaum
- CatalyzeX Code Finder for Papers
- DagsHub
- Gotit.pub
- Hugging Face
- PRISM
- ScienceCast
- The Prompt Is Not the Query: How Request State Evolves Across Multi-Turn AI Conversations
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
