标签
本文提出DiscernMem，一个免训练框架，通过缺陷感知记忆精炼与边界学习元记忆机制，帮助基于LLM的多智能体系统修正有缺陷的记忆并学习何时正确使用记忆，在AutoGen、CAMEL和MacNet上取得最佳平均分。
Emo-Jev 是一个免训练框架，利用 Jev 的概率决策接口进行文本分类，将任务分解为原子判断或聚合多条判断路径以提升分类效果，超越直接预测方式，并在八个情感、情绪、讽刺和幽默数据集上与五个最先进的 LLM 进行了对比评估。