arXiv · cs.CL· Erika Hayashi·· 17 天前AI 评分41
个性化 LLM 无需完整对话历史：基于相关性过滤的上下文仅用 5% 文本即可匹敌全历史
Do Personalized LLMs Need the Whole Conversation? Matching the Full History with Only 5% of Its Text via Relevance-Filtered Context
来源与原文
arXiv · cs.CL
作者：Erika Hayashi
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/2610.14952v1
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
在 PersonaMem-v2（180 题）上，利用句子级检索按与当前请求的相关性筛选上下文，GPT-5.6-terra 和 Claude Opus 5.5 评为仅用 5% 文本即可达到全历史准确率，评审输入缩减约 20 倍。同等长度的 LLM 摘要表现相当，但需大模型读全史，而检索只需小型 embedding 模型；oracle 证据子集较全历史高出 15.6 分。
来源：arXiv · cs.CL · arxiv.org