conversational history

新基准 ReTurn 测试 AI 对对话历史的选择性使用

研究人员推出了 ReTurn，这是一个旨在评估多模态 AI 模型选择性使用对话历史能力的新基准。该基准包含 7,000 个任务，用于测试模型在保留相关历史问题同时丢弃过时答案的能力，或在存在冲突的新信息时，利用历史证据回答当前问题的能力。对 13 个模型的初步评估显示，当模型从直接输入过渡到对话设置时，准确性显著下降，这表明在有效管理历史上下文方面存在挑战。