TrackMem追踪长程金融对话中演变的信念
热点事件持续更新
TrackMem追踪长程金融对话中演变的信念
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Austin M. Y. Cheung 等作者提出 TrackMem，一个按说话人构建的图记忆系统，用于追踪 LLM 智能体在长程金融对话中不断修订的数字、立场与规则；团队同时发布 FinLoCoMo 基准，含 15 段长程投资对话、765 个问题。 在失败模式分榜上，TrackMem 达到 73.9% 宏平均准确率，超过最强基线的 69.4%；其中修订数字类问题为 86.5%，基线为 73.4%。
AI 根据报道生成 · 45 分钟前更新
最新进展11月4日 13:00
TrackMem：追踪长程金融对话中不断演变的信念报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv cs.CLTrackMem：追踪长程金融对话中不断演变的信念
TrackMem 是一个按说话人构建的图记忆系统，用于追踪 LLM 智能体在长程金融对话中不断修订的数字、立场与规则。团队同时推出 FinLoCoMo 基准，包含 15 段长程投资对话、765 个问题。在失败模式分榜上，TrackMem 达到 73.9% 宏平均准确率，超过最强基线 69.4%，其中修订数字类问题为 86.5% 对 73.4%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。