Yijiang River Dong, Zexue He, Cheng Yu, Tiancheng Hu, Michael J Ryan, Jan Batzner, Zheng Hui, Shaolong Wu · 2026 · arXiv
DOI: 10.48550/arXiv.2610.31272 · open-access PDF
Speicher ermöglicht es Sprachmodellassistenten, Kontinuität über Sitzungen hinweg aufrechtzuerhalten und personalisierte Antworten zu generieren, aber mehr über einen Benutzer zu wissen, erzeugt nicht notwendigerweise Antworten, die sie bevorzugen. Bestehende Bewertungen bewerten Speicherfähigkeiten, ohne direkt festzustellen, ob die Speichernutzung dem Benutzer nützt. Um diese Lücke zu untersuchen, sammeln wir ungefähr 1.000 Paarurteile von 87 Teilnehmern mithilfe ihrer eigenen ChatGPT-Abfragen und persönlichen Erinnerungen.
Machine translation (Meta M2M100); the English original follows.
Memory enables language model assistants to maintain continuity across sessions and generate personalized responses, but knowing more about a user does not necessarily produce responses they prefer. Existing evaluations assess memory capabilities without directly establishing whether memory use benefits the user. To study this gap, we collect approximately 1,000 pairwise judgments from 87 participants using their own ChatGPT queries and personal memories. We find that memory-conditioned responses are not consistently preferred over responses generated without memory and in some cases, users st
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.31272, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange