研究人员推出了STALE,这是一个旨在评估大型语言模型代理识别其存储记忆何时过时能力的基准。该基准包含跨越100多个主题的400个冲突场景,测试状态解析、前提抵抗和隐式策略适应能力。评估显示,即使是表现最好的大型语言模型也难以掌握这项能力,准确率仅为55.2%,表明代理记忆系统存在重大差距。 AI
影响 突出了大型语言模型代理记忆中的一个关键差距,表明未来需要进行更多工作来构建更强大、更可靠的人工智能系统。
排序理由 该集群包含一篇介绍大型语言模型代理新基准和评估的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →