热点事件持续更新
USC/GT QEMem 和 LoCoMo LLM-judge 准确率突破91.43%
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
USC/GT 提出的 QEMem 框架通过构建查询特定的证据集，解决了长期记忆中的相关性-充分性差距，在 LoCoMo 上实现了 91.43% 的 LLM-judge 准确率，优于 MemR$^3$ 和 NEMORI。这是最新报道，早先没有关于此框架和准确率的报道。
AI 根据报道生成 · 3 小时前更新
最新进展10月20日 21:16
USC/GT 的 QEMem 框架在 LoCoMo 上实现了 91.43% 的 LLM-judge 准确率。报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- Agent Control Flash NewsUSC/GT QEMem：LoCoMo LLM-judge 91.43%，解决长期记忆中的相关性-充分性差距
USC/GT 提出的 QEMem 框架通过构建查询特定的证据集，解决了长期记忆中的相关性-充分性差距，在 LoCoMo 上实现了 91.43% 的 LLM-judge 准确率，优于 MemR$^3$ 和 NEMORI。
本事件热度走势
当前热度 9·可比范围峰值 10（10月20日 22:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。