Long-Conversation Question Answering

新的基准和检索方法推动了AI对话记忆利用 · 跟踪2个来源

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。