arXiv · cs.AI· Youngbin Choi·· 13 天前AI 评分42
多会话 LLM 智能体换模型时的行为迁移研究：提出 DASH 历史摘要方法
New Model, Old Habits: Behavior Transfer under Model Swapping in Multi-Session LLM Agents
来源与原文
arXiv · cs.AI
作者：Youngbin Choi
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.19712v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一项 arXiv 研究发现，多会话 LLM 智能体在切换模型并传递历史记录时会出现“行为迁移”：接收模型会采纳生成历史的模型的推理与行动模式，该效应在原始历史传递时最明显，用摘要可大幅减弱。研究者据此提出 DASH（Direction- and Authorship-aware Summarization of History），在保留强模型行为的同时减少弱到强迁移，重复切换实验显示其优于原始历史传递和朴素摘要基线。
来源：arXiv · cs.AI · arxiv.org