CoLink：面向多轮对话的全局压缩与知识链接框架

论文提出 CoLink，用主题图链接与信息论压缩处理长对话历史。

资讯摘要

论文提出 CoLink 框架，用于增强大语言模型在特定领域多轮对话中的全局上下文感知。该方法先将历史上下文聚类为主题图，与外部知识建立跨语义关联，再结合语义相关性与图结构拓扑检索并激活知识；同时基于信息理论推导压缩优化目标，配合竞争槽机制把冗长历史与知识压缩为紧凑的潜在表示。作者报告在公开数据集和自建 MMD 数据集上的实验验证了其在知识链接与语义建模上的效果。

要点速读

1. 论文提出 CoLink，通过信息链接与压缩增强 LLM 对长程对话历史的全局上下文感知。
2. 方法包括将历史上下文聚类为主题图、结合语义相关性与图结构拓扑检索知识，以及基于信息理论的压缩目标与竞争槽机制。
3. 作者报告在公开数据集和自建 MMD 数据集上的实验验证了 CoLink 在知识链接与语义建模方面的表现。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/28 08:00:17（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。