Streaming Dialogue Summarization Memory Retrieval Evidence Recovery
摘要

现代平台用户常需近期对话摘要,但上下文窗口往往不足以独立解释内容。本文将此场景形式化为流式对话摘要,即系统需在固定预算下,利用无界历史中的选择性记忆来总结当前窗口。研究表明,核心挑战不在于访问多少历史,而在于记忆是否能恢复当前窗口所预设的证据。我们构建了评估基准,分别评估记忆是否包含填补空白的证据以及生成的摘要是否反映该证据。提出的ReMEMBER框架根据未解决的窗口依赖条件进行检索,并在固定预算内将检索到的片段精炼为高密度证据记忆。实验显示,在长达160K token的历史中,ReMEMBER在相同预算下显著提升了记忆召回率和空白解析完整性。

AI 推荐理由

论文核心提出ReMEMBER框架,专门解决流式对话中的记忆检索与证据恢复问题,属于记忆机制研究。

研究机构
KAIST
论文信息
作者 Hyangsuk Min, Hwanjun Song
发布日期 2026-08-10
arXiv ID 2608.09043
相关性评分 9/10 (高度相关)