论文提出LEDGER估计记忆价值
热点事件持续更新
论文提出LEDGER估计记忆价值
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
Arman Behnam 发表的 arXiv 论文提出 LEDGER，用于估计记忆增强智能体中各条记忆的价值。论文称，top-k 检索无论记录多少轮都无法确定任何一条记忆的价值，在 14 个标准记忆基准的 55 种配置中均无记忆价值被确定。LEDGER 用闭式解估计可确定的 Shapley 值并给出置信区间，其余值标记为未确定。 在合并的 HotpotQA 上，LEDGER 将可确定记忆比例从 0.001 提升至 0.797，但 HotpotQA 准确率下降 2.6 点；在 LoCoMo 上准确率提升 2.7 点。
AI 根据报道生成 · 5 小时前更新
最新进展11月3日 13:00
研究：Top-k 检索无法确定记忆价值，LEDGER 将可确定比例从 0.001 提升至 0.797报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- arXiv · cs.AI研究：Top-k 检索无法确定记忆价值，LEDGER 将可确定比例从 0.001 提升至 0.797
一项 arXiv 研究证明，top-k 检索无论记录多少轮，都无法确定任何一条记忆的价值，在 14 个标准记忆基准的 55 种配置中均无一记忆价值被确定。研究提出 LEDGER，用闭式解估计可确定的 Shapley 值并给出置信区间，其余值标记为未确定。
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。