基于记忆重要性与遗忘心理模型的长期RAG聊天机器人性能提升
计算与语言
2025-12-19 v3 人工智能
摘要
尽管检索增强生成（RAG）在提升长期对话方面显示出前景，但随着对话进程的推进，记忆负荷的增加会导致检索准确率下降。基于心理学见解，我们提出了一种简单且有效的方法LUFY，专注于情感唤起的记忆，并保留少于10%的对话内容。在用户实验中，参与者分别与三种类型的RAG聊天机器人进行互动，每种机器人进行4个session，每次2小时——这是目前规模最大的聊天机器人长期能力评估，超过任何现有基准的四倍。结果表明，优先保留唤起记忆并遗忘对话的绝大部分内容，显著提升了用户体验。该研究推动了长期对话的前沿，凸显了遗忘对话中无关重要部分的重要性。代码与数据集：https://github.com/ryuichi-sumida/LUFY，Huggingface 数据集：https://huggingface.co/datasets/RuiSumida/LUFY
引用
@article{arxiv.2409.12524,
title = {Enhancing Long-term RAG Chatbots with Psychological Models of Memory Importance and Forgetting},
author = {Ryuichi Sumida and Koji Inoue and Tatsuya Kawahara},
journal= {arXiv preprint arXiv:2409.12524},
year = {2025}
}
备注
37 pages, accepted and published in Dialogue & Discourse 16(2) (2025)