研究：对话历史预算影响BEAM得分与token效率
热点事件持续更新
研究：对话历史预算影响BEAM得分与token效率
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
Danny Kim 与 Fernando Koch 发表研究，在 1,100 道 BEAM 问题上固定检索排序与 reader，测试五种 passage 预算，发现平均得分随预算增大而上升，但高预算区间每增加一个 token 的得分增益递减。 在带明确对话状态目标的受控任务中，保留用户消息时 Qwen 更常匹配完整状态，但当答案依赖对早前提议的引用时其完整状态匹配率下降；Mistral 在各保留条件下结果接近下限。研究称评分审计未能确定 BEAM 答案的正确性。
AI 根据报道生成 · 1 小时前更新
最新进展11月9日 13:00
AI 智能体究竟需要多少对话历史？BEAM 基准上的 token 预算与得分权衡研究报道时间线
沿着报道，了解事件的不同侧面。
11月9日
- arXiv cs.CLAI 智能体究竟需要多少对话历史？BEAM 基准上的 token 预算与得分权衡研究
研究在 1,100 道 BEAM 问题上固定检索排序与 reader，测试五种 passage 预算，发现平均得分随预算增大而上升，但高预算区间每增加一个 token 的得分增益递减。在带明确对话状态目标的受控任务中，保留用户消息时 Qwen 更常匹配完整状态，但当答案依赖对早前提议的引用时其完整状态匹配率下降；Mistral 在各保留条件下结果接近下限。评分审计未能确定 BEAM 答案的正确性。
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。