两篇新的研究论文探讨了对话式AI记忆的进步,重点关注模型如何利用和检索来自扩展对话历史的信息。第一篇论文介绍了UTILMEM,这是一个旨在测试分布式和隐式证据整合的基准,发现尽管当前系统在事实回忆方面表现良好,但在这种能力方面仍存在困难。第二篇论文提出了一种实体-记忆图检索方法,通过将对话轮次构建为节点并通过共享实体将它们链接起来,提高了长对话问答中的证据覆盖率,并显示出GPT-3.5和DeepSeek等模型的证据回忆率显著提高。 AI
影响 这些在记忆利用和检索方面的进步可能导致更连贯、更具上下文感知能力的对话代理,能够处理复杂、长期的交互。
排序理由 两篇在arXiv上发表的学术论文,详细介绍了对话式AI记忆的新基准和检索方法。
- DeepSeek
- Entity-Memory Graph Retrieval
- GPT-3.5
- Long Context Modeling
- Long-Conversation Question Answering
- arXiv
- Connected Papers
- CORE Recommender
- Hugging Face
- Litmaps
- scite Smart Citations
- UTILMEM
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →