arXiv:2610.33047v1 Announce Type: new Abstract: Long-running assistants often interpret follow-up requests whose referents, constraints, and active goals were established many turns earlier. The central challenge is therefore not only context length, but retrieval intent: a current query such as ``use the previous configuration'' may omit the project, entity, and version terms needed to locate relevant evidence. Long-context models can recover those terms by replaying the interaction, but repeatedly pay the cost of processing history. Conventional retrieval-augmented generation (RAG) is cheaper, yet assumes an information-sufficient query; conversational rewriting either rereads the history or depends on an explicitly maintained textual memory. We introduce \emph{Parametric Session State}
arXiv:2610.33047v1 발표 유형: 신규 초록: 장기간 작동하는 어시스턴트는 종종 여러 턴 전에 설정된 지시 대상, 제약 조건 및 활성 목표를 기반으로 한 후속 요청을 해석합니다. 따라서 핵심 과제는 단순히 문맥 길이뿐만 아니라 검색 의도입니다. 예를 들어, “이전 구성 사용”과 같은 현재 쿼리는 관련 근거를 찾는 데 필요한 프로젝트, 엔터티, 버전 등의 용어를 포함하지 않을 수 있습니다. 장문맥 모델은 상호작용을 재생함으로써 이러한 용어를 복구할 수 있지만, 반복적으로 과거 데이터를 처리하는 비용을 부담해야 합니다. 전통적인 검색 증강 생성(RAG) 방식은 비용이 더 저렴하지만, 정보가 충분한 쿼리라는 전제를 가집니다. 대화형 재작성 방식은 과거 기록을 다시 읽거나 명시적으로 유지되는 텍스트 메모리에 의존합니다. 우리는 \emph{매개변수형 세션 상태}를 제안합니다.
