记忆沙盒：透明且互动的对话代理内存管理
摘要：对话模型的记忆管理：Memory Sandbox 大型语言模型（LLM）的出现为聊天机器人如chatGPT带来了高性能。这些机器人必须记住正在进行中的对话中的关键信息，以提供与用户上下文相关的回复。然而，这些机器人的记忆有限，很容易被对话中的无关内容分散注意力。尽管有许多策略用于管理对话记忆，但用户目前缺乏查看和控制机器人记忆的功能，导致心智模型不清晰和对话故障。在本文中，我们提出了Memory Sandbox，这是一个交互式系统和设计探针，允许用户管理LLM-powered机器人的对话记忆。通过将记忆视为可以查看、操作、记录、总结和在对话之间共享的数据对象，Memory Sandbox为用户提供了交互和管理机制，以便控制机器人应该如何“看待”对话。
作者：Ziheng Huang, Sebastian Gutierrez, Hemanth Kamana, Stephen MacNeil
论文ID：2308.01542
分类：Human-Computer Interaction
分类简称：cs.HC
提交时间：2023-08-04