★ 2
TWIST：对话记忆干预质量基准与人工验证
论文提出 TWIST，一个衡量对话记忆系统干预质量的基准套件，覆盖无提示张力检测、草稿审查、当前信念作答与敏感回忆治理四个赛道。套件扩展 LoCoMo 语料与框架，为每个检测指标配备匹配的不过度检测对照。在人工验证的 Track B 上，没有任何配置能同时实现高矛盾召回、高难负样本特异度与高归因，…
arXiv cs.AI38 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出 TWIST，一个衡量对话记忆系统干预质量的基准套件，覆盖无提示张力检测、草稿审查、当前信念作答与敏感回忆治理四个赛道。套件扩展 LoCoMo 语料与框架，为每个检测指标配备匹配的不过度检测对照。在人工验证的 Track B 上，没有任何配置能同时实现高矛盾召回、高难负样本特异度与高归因，…