跳到正文
热点事件持续更新

Tokengeist 提出多轮对话归因框架

1 篇报道1 个报道来源10 小时前更新

先了解这件事

AI 综述

Jessica Tang 等作者提出多轮上下文归因框架 Tokengeist,把归因建模为对话轮次有向无环图的递归遍历,以恢复完整依赖路径。作者称,在四个开放权重模型上,源召回率从扁平归因的 11–38% 提升至 82–94%。 研究同时提出基准 MTCABench,含 685 段多轮对话中的 3,970 个目标片段,溯源图标注深度最高达 17;研究还指出单遍归因存在“溯源坍缩”失效模式。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv cs.CL
    Tokengeist:智能体对话中的多轮归因追踪框架

    Tokengeist 是一个与归因方法无关的可扩展框架,将归因建模为对话轮次有向无环图的递归遍历,以恢复完整依赖路径。在四个开放权重模型上,源召回率从扁平归因的 11-38% 提升至 82-94%。研究同时提出 MTCABench 基准,含 685 段多轮对话中的 3,970 个目标片段,标注深度最高达 17 的溯源图,并揭示了单遍归因的“溯源坍缩”失效模式。

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。