实体
Self-reflective Hint Policy Optimization
Self-reflective Hint Policy Optimization
PulseAugur coverage of Self-reflective Hint Policy Optimization — every cluster mentioning Self-reflective Hint Policy Optimization across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新的大语言模型记忆系统应对长期对话挑战 · 已追踪 5 个来源
研究人员正在开发新的方法来管理和检索大型语言模型（LLM）的长期对话记忆中的信息。这些方法旨在克服全上下文注入（计算成本高）和有损摘要（丢弃关键历史数据）的局限性。诸如 'Pull' 和 'MemLoc' 等技术侧重于惰性实现或精确查找相关的对话轮次，从而在保持或提高响应质量的同时降低令牌成本。其他方法，如 'CueMem'，使用提取的记忆线索来重建与查询相关的上下文，而 'PRAGMA' 通过将记忆与不断变化的用户偏好对齐来评估个性…
-
新的MemLoc框架增强了LLM对话记忆问答能力
研究人员开发了MemLoc，一个旨在增强大型语言模型长期对话记忆问答能力的新颖框架。该系统通过采用检索-本地化-生成（Retrieve-Localize-Generate）方法，解决了跨会话的碎片化证据和嘈杂的检索内容等挑战。MemLoc利用多粒度记忆单元和基于图的路由进行检索，利用基于推理的证据定位器（通过Self-reflective Hint Policy Optimization进行训练）进行本地化，并利用精确的接地信号进行生…