研究提出可变对话记录范式以缓解LLM上下文污染
论文AI 评分 65/100arXiv cs.AI待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
当前大语言模型对话系统将历史视为不可变序列，导致过时信息残留引发上下文污染。Dan Barry与Andrew Hines提出可变对话记录范式，允许用户通过自然语言修改历史轮次，将记录从被动存档转为可编辑状态。基于17名用户的对照实验表明，该范式在清晰度、信心与易用性上显著优于标准对话，降低重启对话意愿，并能缩短对话长度、消除废弃上下文。代码与原型已开源，论文被NeurIPS 2026接收。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载上下文污染与解决思路
现有大语言模型聊天系统把对话历史当成不可更改的轮次序列，以此作为模型的工作上下文。然而实际交互里的用户意图并非固定不变，而是会通过纠正、细化及约束变化而演进。这种动态意图与静态记录之间的错配会导致上下文污染，即过时或无关的信息持续存在并继续干扰后续生成。为解决此问题，作者提出可变对话记录这一全新交互范式，让用户能够借助自然语言编辑请求来修改先前的对话轮次，从而直接更新对话历史，而非仅仅向其后追加内容。这把对话记录从被动存档重新定义为可编辑的对话状态表示。
原型验证与实验结果
作者实现了一个将记录级修订集成到标准聊天界面的工作原型，并通过包含17名参与者的受控用户研究以及代表性交互场景的对话分析来评估其可行性。实验结果显示，参与者在清晰度、信心和易用性等指标上显著偏好可变对话记录而非标准聊天，同时重启对话的意图明显降低。对代表性对话的分析进一步表明，该范式能够缩减对话长度，并清除已废弃的保留上下文。这些发现初步证明，由用户驱动的对话历史修订能够提升交互质量，帮助维持更贴近当前的用户意图表示。
为什么值得看
提供了一种让用户直接编辑对话历史以消除无效上下文干扰的新交互范式，对改进长对话体验有直接参考价值。
论文
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。