JointCoreBench基准与JointCore基线方法发布
热点事件持续更新
JointCoreBench基准与JointCore基线方法发布
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
针对LLM智能体记忆选择中相关性排序无法识别充分子集的问题，研究团队BHVSP Subrahmanyam与Neeraj Choudhary于2026年10月19日在arXiv提出JointCoreBench基准及JointCore基线方法。 在包含6,912个精确条件的测试中，JointCore实现了100.0%的最小成本充分集恢复，将子集评估次数从30.00次降至11.13次。 该方法在12B至70B规模模型族测试中展现出效率优势，但研究明确指出其尚未达到可部署的记忆压缩标准。
AI 根据报道生成 · 6 小时前更新
最新进展10月19日 12:00
JointCore：面向 LLM 智能体交互感知记忆选择的基准与基线方法报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- arXiv · MLJointCore：面向 LLM 智能体交互感知记忆选择的基准与基线方法
针对 LLM 智能体记忆选择中相关性排序无法识别充分子集的问题，研究提出 JointCoreBench 基准和 JointCore 基线。在 6,912 个精确条件下，JointCore 实现了 100.0% 的最小成本充分集恢复，子集评估次数从 30.00 降至 11.13。该方法在 12B-70B 模型族测试中展现了效率优势，但研究明确其尚未达到可部署的记忆压缩标准。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 910月19日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:0017:0018:0019:00
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。