论文提出面向金融对话的图记忆系统 TrackMem 及基准 FinLoCoMo。
资讯摘要
论文提出 TrackMem，一种按说话人构建的图记忆系统，用于追踪金融对话中数字的修订历史、按实体与分析视角区分观点，并按时间顺序保留各说话人的行为。作者同时构建 FinLoCoMo 基准，包含 15 段长程投资对话、765 个问题，分为 LoCoMo 类别与四类失败模式两个子集。作者报告 TrackMem 在两个子集上均优于现有记忆系统，失败模式子集宏平均准确率为 73.9%，最强基线为 69.4%。
要点速读
- TrackMem 为按说话人的图记忆，追踪数字历史、按实体与视角分离观点，并保留说话人行为的时间顺序。
- FinLoCoMo 含 15 段长程投资对话、765 个问题，分 LoCoMo 类别子集与四类失败模式子集。
- 作者报告失败模式子集宏平均准确率 73.9%，最强基线 69.4%；修订数字类问题为 86.5% 对 73.4%。
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 2026/11/4 08:00:28（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。