arXiv 人工智能· Yufeng Li, Shuxin Li, Zhenhua Xu, Junxian Li, Peng Zeng, Sheng Yao, Changting Lin, Gaolei Li, Ran Bi, Meng Han·· 7 小时前AI 评分42
相关不等于充分：如何弥补长期记忆 QA 中的证据缺口
Relevance Is Not Sufficiency: What Actually Closes the Evidence Gap in Long-Term Memory QA
AI 导读
针对大语言模型智能体在跨会话记忆检索中易遗漏互补事实的问题，新研究提出将记忆检索重构为构建充分记忆集，并推出两阶段框架 BFR。BFR 首先利用形式概念分析分解问题的信息需求以筛选候选子集，再通过深度文本搜索与实体或会话视图补充未见记录。在 LongMemEval-S 评测中，BFR 将评估准确率从 72.4% 提升至 82.2%，Turn Hit 达到 91.4%。
来源：arXiv 人工智能 · arxiv.org