跳到正文
arXiv · NLP· Bogdan Roshchupkin, Maria Khodorchenko·· 10 天前AI 评分29

EviCover:诊断长期对话记忆中的证据集丢失问题

Where Did the Evidence Go? Diagnosing Proof-Set Loss in Long-Term Conversational Memory

AI 导读

EviCover 提出将问题转化为可观测证据需求,通过检查检索源标识符覆盖度并联合选择轮次,以保留互补证据。 在 REALTALK 数据集 108 个多跳问题中,该方法将 60 个候选轮次中的支持轮次召回率从 0.526 提升至 0.575,最终 10 轮上下文召回率从 0.349 提升至 0.379。

来源:arXiv · NLP · arxiv.org