对话记忆 检索增强 免训练 稠密检索 BM25 融合
摘要

针对长程多会话历史中的对话记忆检索瓶颈,本文复现了基于最大查询 - 轮次相似度的晚期交互检索优势,并探索了免训练、仅 CPU 的检索增强策略。研究发现:将晚期交互稠密分数与 BM25 进行分数级融合,显著提升了 LoCoMo 命中率;通用重排序器在此场景下反而降低性能;稠密检索在多跳和时序问题上表现优异,而 BM25 在对抗性问题上更佳。本研究提供了一套可复现的强效检索方案,而非提出新的记忆架构。

AI 推荐理由

论文核心研究长程对话记忆中的检索瓶颈,提出无需训练的融合检索方案。

研究机构
Inland Norway University of Applied Sciences Visiting student, University of California, Berkeley
论文信息
作者 Christian Lysenstøen
发布日期 2026-06-02
arXiv ID 2606.04194
相关性评分 9/10 (高度相关)