arXiv · AI· Yufeng Li, Shuxin Li, Zhenhua Xu, Junxian Li, Peng Zeng, Sheng Yao, Changting Lin, Gaolei Li, Ran Bi, Meng Han·· 2026-10-08AI 评分28
相关性不等于充分性:BFR 如何闭合 LLM 长期记忆 QA 的证据缺口
Relevance Is Not Sufficiency: What Actually Closes the Evidence Gap in Long-Term Memory QA
AI 导读
论文提出 BFR 框架,在 LongMemEval-S 上将判定准确率从 72.4% 提升至 82.2%,并实现 91.4% 的 Turn Hit。 该框架引入 Gold Hit 和 Turn Hit 作为证据覆盖代理,并通过 FCA-MS 分解问题信息需求以选择紧凑候选子集。 BFR 在 LoCoMo 和 LongMemEval-S 基准上均优于同等存储条件下的近期智能体记忆系统。
来源:arXiv · AI · arxiv.org