Tokengeist:智能体对话中的多轮溯源追踪框架
热点事件持续更新
Tokengeist:智能体对话中的多轮溯源追踪框架
1 篇报道1 个报道来源16 小时前更新
先了解这件事
AI 综述
2026年11月20日,arXiv发布研究提出Tokengeist框架,旨在解决智能体多轮对话中的分层结构缺失问题。该框架将归因问题建模为有向无档图上的递归遍历,从而提升溯源准确性。 研究同步发布了MTCABench基准测试集,该数据集包含685段多轮对话及3,970个目标片段,依赖图深度达到17层,为评估多轮溯源性能提供了标准化依据。 在四个开源权重模型上的实验显示,Tokengeist框架将源召回率从11-38%显著提升至82-94%,有效解决了原有的“溯源坍缩”故障,证明了其在多轮对话溯源任务中的有效性。
AI 根据报道生成 · 13 小时前更新
最新进展11月20日 13:00
Tokengeist:智能体对话中的多轮溯源追踪框架报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv · AITokengeist:智能体对话中的多轮溯源追踪框架
提出Tokengeist框架,将归因问题视为有向无环图上的递归遍历,以解决多轮对话中的分层结构缺失问题。 发布MTCABench基准测试集,包含685段多轮对话和3,970个目标片段,依赖图深度达17层。在四个开源权重模型上,Tokengeist将源召回率从11-38%提升至82-94%,解决了“溯源坍缩”故障。
本事件热度走势
- 可比范围当前
- 6
- 可比范围峰值
- 911月20日 16:00
- 近 24 小时变化
- –
02.557.510
18:0021:0011月21日03:00
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。