深度分析
GRAVITY 結構化錨點:生成時注入拓撲記憶以彌補檢索與生成之間的推理缺口
長期對話代理常因檢索到的片段缺乏關聯與時序結構,導致多段推理失準。GRAVITY提出三類生成時錨點(實體、事件、主題),離線萃取並在生成時注入結構化上下文,提升模型在跨會話與時間推理上的準確度。實驗顯示,GRAVITY能在多種記憶系統上帶來可觀改善,特別在檢索品質較差時更顯成效。
深度分析
長期對話代理常因檢索到的片段缺乏關聯與時序結構,導致多段推理失準。GRAVITY提出三類生成時錨點(實體、事件、主題),離線萃取並在生成時注入結構化上下文,提升模型在跨會話與時間推理上的準確度。實驗顯示,GRAVITY能在多種記憶系統上帶來可觀改善,特別在檢索品質較差時更顯成效。
深度分析
行人重識別在遮擋與跨鏡頭變化下仍是關鍵挑戰。SAGA-ReID 提出以 CLIP 文字嵌入空間為基礎的結構化錨點(structured anchors),將中間層的貼片(patch)特徵對齊到文字錨點,透過跨注意力重建具空間選擇性的身分表示。