研究：相关性过滤仅需5%文本匹配全历史准确率

发生了什么

据arXiv论文显示，通过句子级检索对对话历史进行相关性过滤，仅使用5%的文本即可匹配大模型全历史对话准确率。在PersonaMem-v2数据集上，该方法将裁判模型的输入减少约20倍。相比同等长度的LLM摘要，检索方法无需LLM阅读完整历史，仅需小型嵌入模型，且在部分问题上优于全历史表现。