SpeakerMem-R1: Speaker-Centered Dual-Track Memory for Multi-Party Dialogue
Aggiunta all'archivio di AIChronos il (numero del 24 settembre 2026 ricostruito)· fonte del · Haobo Zheng, Tan Tang, Yan Chen, Weijie Wang, Yingcai Wu (Zhejiang University)
SpeakerMem-R1 è un sistema di memoria a doppio binario progettato per gestire conversazioni multilaterali complesse, distinguendo chi ha detto cosa e ricostruendo lo stato relazionale nel tempo. Il modello risolve i colloqui attribuzione dei messaggi e la comprensione delle relazioni tra partecipanti attraverso architetture separate per livello individuale e di gruppo. L'addestramento utilizza Writer-R1 con tecniche come SpeakerLevenshtein e speaker-conditioned GRPO per ridurre gli errori durante l'aggiornamento strutturato della memoria. I risultati sperimentali su benchmark specifici dimostrano una superiorità rispetto agli attuali state-of-the-art, raggiungendo il miglior punteggio riportato sul leaderboard di EverMemBench.
- Il sistema impiega un archivio a doppio binario che memorizza messaggi verbatim etichettati e stati derivati organizzati per livello persona e gruppo.
- L'approccio combina prove da entrambi i track durante la query basandosi su entità, eventi e tempo per migliorare l'integrazione delle informazioni distribuite.
- La tecnica di addestramento include Writer-R1 ottimizzato con SpeakerLevenshtein e speaker-conditioned GRPO per mitigare errori di attribuzione.
- SpeakerMem-R1 ottiene il miglior risultato riportato (62.33%) sul leaderboard pubblico di EverMemBench rispetto a framework state-of-the-art recenti.
- Gli ablation studies confermano che i track verbatim e strutturati, così come le viste individuali e di gruppo, sono complementari nell'interfaccia standardizzata.
Perché conta. ['Permette lo sviluppo di agenti AI in grado di mantenere coerenza relazionale precisa in scenari multilaterali senza perdere il contesto dei singoli partecipanti.', 'Facilita il deployment locale grazie a tecniche di addestramento mirate che riducono gli errori strutturali, essenziale per applicazioni privacy-sensitive.']
Vai alla fonte originale ↗ arXiv ↗
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.