PulseAugur
中
实时 10:27:53
English(EN) Tokengeist: Multi-Turn Attribution Tracing in Agentic Conversations

Tokengeist框架增强多轮AI对话归因

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出Tokengeist，一个旨在追踪Agentic AI系统中多轮对话归因的新型框架。与以往单次处理上下文的方法不同，Tokengeist采用有向无环图的递归遍历来重建分层、非线性的依赖关系。这种方法旨在识别直接影响，以及先前回合本身如何依赖于早期上下文。一个新的基准MTCABench，包含665次对话中的3,845个目标跨度，已被开发出来以评估这些多轮归因能力。 AI

影响 增强对多轮对话中AI推理的理解，这对于调试和改进Agentic系统至关重要。

排序理由 该项目是一篇研究论文，详细介绍了一个新的AI归因框架和基准。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

Tokengeist框架增强多轮AI对话归因

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Jessica Tang, Shraddha Barke, Sharad Agarwal ·

    Tokengeist：Agentic对话中的多轮归因追踪

    arXiv:2607.22610v1 Announce Type: new Abstract: When a language model produces a response in a multi-turn conversation, which tokens from prior turns shaped that answer, and how did those dependencies propagate across prior turns? Existing context attribution methods process the …

相关实体

相关话题