论文
可编辑对话历史：减少过时上下文残留
Mutable Transcripts: Mitigating Context Pollution through Editable Conversation State
摘要
当代大语言模型 (LLM) 聊天系统将对话历史视为定义模型工作上下文的不可变轮流序列。然而，真实交互中的用户意图并不是静态的：它通过修正、细化和改变约束而演变。动态意图和静态转录之间的不匹配可能会导致上下文污染，过时或不相关的信息持续存在并继续影响后续响应。我们引入了可变转录，这是一种新的交互范例，使用户能够通过自然语言编辑请求修改先前的回合，从而允许更新而不是附加对话历史记录本身。这将转录从被动记录重新构建为对话状态的可编辑表示。我们提出了一个工作原型，将转录级修订集成到标准聊天界面中，并通过受控用户研究 (n=17) 和代表性交互场景的说明性转录分析来评估其可行性。在清晰度、置信度和易用性方面，与标准聊天相比，参与者明显更喜欢可变的文字记录，并且重新开始对话的意愿也降低了。对代表性用户研究对话的文字记录分析表明，可变文字记录可以减少对话长度并消除过时的保留上下文。这些发现提供了初步证据，表明用户驱动的对话历史记录修订可以提高交互质量并有助于保持用户意图的更新表示。源代码和原型可以在 https://github.com/QxLabIreland/ReChat 访问
