深度分析
NWM:結合時間知識圖與圖檢索的長篇小說敘事記憶系統
長篇小說寫手需要跨章節的敘事記憶以回答多跳問題。研究提出敘事世界模型(NWM),結合敘事學導向的類型化時間狀態圖與查詢條件混合檢索。實驗顯示在私有與公開語料庫上,NWM的圖檢索在多跳問答上分別達到0.898與0.625,顯著優於現有的Graphiti與GraphRAG。
深度分析
長篇小說寫手需要跨章節的敘事記憶以回答多跳問題。研究提出敘事世界模型(NWM),結合敘事學導向的類型化時間狀態圖與查詢條件混合檢索。實驗顯示在私有與公開語料庫上,NWM的圖檢索在多跳問答上分別達到0.898與0.625,顯著優於現有的Graphiti與GraphRAG。
深度分析
研究背景指出傳統知識圖將時間視為離散標籤,難以分辨持續與演變事實;RoMem 以語意速度閘評估關係波動性,結合持續相位旋轉,使過時資訊在向量空間自動相位偏移;實驗證實其在 ICEWS 時間圖補全與多項代理記憶基準上皆創下新高,顯示出優異的時間推理與記憶保持能力。