★ 3
个性化 LLM 只需 5% 对话文本即可匹配全历史效果
研究显示，在 PersonaMem-v2 基准上，通过句子级检索构建的相关性过滤上下文仅用 5% 文本即可匹配全历史准确率，将输入缩减约 20 倍。检索方法只需小型嵌入模型，而 LLM 摘要需读取全部历史，表明更好的上下文选择有望超越全历史。
arXiv NLP19 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
研究显示，在 PersonaMem-v2 基准上，通过句子级检索构建的相关性过滤上下文仅用 5% 文本即可匹配全历史准确率，将输入缩减约 20 倍。检索方法只需小型嵌入模型，而 LLM 摘要需读取全部历史，表明更好的上下文选择有望超越全历史。