标签
本文介绍了LoCoMo-Conv，一个对话记忆基准，用于评估长期对话代理中使用不同查询风格的记忆检索和响应质量，揭示了现有QA基准中的差距，并建议基于推理的记忆细化作为一个有前景的方向。
提出 Fractional Decay KV-Cache (FD-KVC)，一种用于对话系统的所有权感知内存管理算法，该算法使用双通道评分来提升推理相关性，在复合指标上优于 H2O +6.7%，并能更快适应话题变化。
本文提出了一种两阶段方法，用于对话和LLM-Agent轨迹中的早期故障预警。该方法通过从轨迹标签中学习逐轮故障证据来解决证据稀疏的挑战，并使用基于注意力的预测器与偏好条件停止策略（α-STOP），以实现可控的准确率-及时性权衡。
本文使用多模态特征（声学、面部、轮流说话）分析自发性双人Zoom对话，以识别对话成功感知的标记，发现语音和面部运动的协调与更高的互动质量相关。