跳转至

Read this paper write-up in English

Role-aware Heuristic Episodic Attention for Conversational LLMs

复现级别：L1 核心机制诊断。 执行角色分离与 episodic top-k；不调用压缩 LLM。

论文信息

字段 内容
论文链接 arXiv v1
公司/机构 原文首页未列第一作者机构（按第一作者署名单位）
首次公开日期 2026-10-01（arXiv v1）
原文开源代码 否：截至 2026-10-03 未找到原作者公开实现
Adapter rea
本地复现代码 src/auto_research/foundation_latest_20261003.py

原始论文总结

背景与主要改动

把全局指令放入持久前缀，把多轮交互放入 episodic memory；检索时按角色决定保留原文、压缩表示或省略。

flowchart LR
  I[输入与当前状态] --> M[rea 核心机制]
  M --> A[可审计中间量]
  A --> O[输出或状态更新]

原论文关键图

Role-aware Heuristic Episodic Attention for Conversational LLMs 原论文 Figure 2

原论文 Figure 2（关键图）：展示原论文的整体流程、关键阶段及其数据流向。图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式

\(C=I_{persistent}\oplus TopK(E, relevance)\)。

论文离线与线上效果

Long-MT-Bench+ judge 6.32→7.36，平均延迟降低 2.91×。

本地复现

本地对照口径：基线为机制关闭或默认状态，实验组执行定义性算子；L1 不报告正式相对提升，百分比不适用。

复现边界

执行角色分离与 episodic top-k；不调用压缩 LLM。