ETAMem：解耦并对齐异构记忆的长期对话框架
热点事件持续更新
ETAMem：解耦并对齐异构记忆的长期对话框架
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
Xinying Qian 等作者提出多视角长期对话记忆框架 ETAMem，将异构对话信息解耦，把原子记忆单元组织为 Event、Affect、Time 三个层级视图，并用基于熵的检索按视图分配查询预算。 作者称，在 LoCoMo 和 LongMemEval-S 两个基准上，ETAMem 的相对准确率分别提升 12.46% 和 7.96%，同时保持有竞争力的 token 效率。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
ETAMem：为长期对话智能体解耦并对齐异构记忆报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.CLETAMem：为长期对话智能体解耦并对齐异构记忆
ETAMem 是一个多视角记忆框架，通过解耦异构对话信息，将原子记忆单元组织为 Event、Affect、Time 三个层级视图，并用基于熵的检索按视图分配查询预算。在 LoCoMo 和 LongMemEval-S 上，ETAMem 相对准确率分别提升 12.46% 和 7.96%，同时保持有竞争力的 token 效率。
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。