인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
Long-term dialogue systems often suffer from degraded memory quality as accumulated session summaries introduce redundancy, noise, and hallucinated content. Prior work has mainly focused on improving summarization quality, leaving the usefulness of individual summary items largely unexplored. This paper presents a memory management framework that predicts the usefulness of each summary item using pseudo labels generated through an LLM-as-a-Judge procedure and prunes low-value content before it enters the memory. The proposed model follows a two-stage training strategy: it first learns a usefulness prediction module on top of a frozen encoder, then applies LoRA-based adaptation to refine encoder representations for task-specific discrimination. Experiments show that the model more accurately captures the relative importance of summary bullets, and dialogues conditioned on pruned memory exhibit more coherent and contextually appropriate responses. These findings highlight that managing the quality of stored memory, rather than expanding its volume, is crucial for improving long-term dialogue performance.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-096548466
