MemRefine

速報

MemRefine：在記憶預算內優化大型語言模型對話記憶

隨著 LLM 長期對話需求提升，記憶容量受限成瓶頸。研究提出 MemRefine 框架，先用相似度找候選，再由 LLM 判斷事實價值進行刪除、合併或保留，確保在固定預算內仍保留關鍵資訊。實驗證明在多種記憶架構與對話基準中，MemRefine 能維持效能並優於傳統規則方法。