arXiv cs.LG· Youngbin Choi, Sehyun Hwang, Suhyeon Jun, Seoyeon Lee, Sunghyun Choi, MoonJeong Park, Dongwoo Kim·· 7 小时前AI 评分29
多会话 LLM 智能体换模型后行为会迁移：DASH 摘要法可保留强模型行为
New Model, Old Habits: Behavior Transfer under Model Swapping in Multi-Session LLM Agents
AI 导读
多会话 LLM 智能体在切换模型时会出现"行为迁移"：接收方倾向于沿用生成其历史记录的模型的推理与行动模式，原始历史直接传递时最明显，摘要可大幅削弱该效应。为此研究者提出 Direction- and Authorship-aware Summarization of History（DASH），在摘要中保留强模型行为、减少弱到强的迁移。重复切换实验显示 DASH 优于原始历史传递和朴素摘要基线。
来源：arXiv cs.LG · arxiv.org