NeurIPS 论文:LLM 记忆越好,做用户模拟器反而越差,因为不会遗忘
tallinzen · x · 2026-10-06
一篇将于 NeurIPS 发表的新论文评估了 LLM 模拟器的记忆是否像人类。核心发现:LLM 的记忆能力持续提升,但这反而让它们作为用户模拟器变得更差。
论文指出,如果想让模型模拟真实用户(例如模拟真实学生来训练聊天机器人成为更好的教师),模型需要像人类一样能够遗忘。论文随 NeurIPS 发布,另有一篇评估模拟器记忆人类相似性的工作也将在会上亮相。
「研究」频道最新
- 表格基础模型怎么推理?nanoTabPFN 架构拆解笔记 — pandeyparul · 2026-10-06
- HLA-WM:免训练混合注意力,长视频世界模型记忆省12倍 — Monash · 2026-10-06
- LiFT 循环Transformer:参数省60%,FID 反降3.34点 — VISLab-Amsterdam · 2026-10-06
- GeoSET:首个SAR转光学通用基础模型,300万对训练数据 — Jeonghyeok Do · 2026-10-06
- COLM 2026 论文:LLM 创造性思维时与人脑活动对齐 — ABosselut · 2026-10-06
- 刚性控制器可掩盖仿真引擎差距:软增益下偏差 16-28mm vs 不足 1mm — chris_j_paxton · 2026-10-06