搜索：记忆评测基准

「记忆评测基准」共找到 1796 篇相关文章

逆向工程：ChatGPT 的记忆是如何工作的

文章是工程师eric对ChatGPT记忆系统的深度逆向工程和技术实现推测，详细拆解‘可保存记忆’和‘聊天历史’，分析工作原理、实现方案，探讨其对提升用户体验的作用，认为‘用户洞察’是关键。

本文分享基于阿里云 AgentLoop 平台的 DeepSeek Harness 评测实践。介绍了 DeepSeek Harness 工程架构，阐述 AgentLoop 平台接入方式及价值，还详述评估器设计思路、展示评测结果，最后总结方法论并展望后续工作。

当前智能体范式转变，AI Memory 成核心基石，分化为「Agent Memory」与「LLM Memory」。开源项目 OpenClaw 引发热议，其「长效记忆」让 AI 记忆问题形成边界，不过 LLM Memory 仍面临挑战。

OpenAI研究员指出传统基准测试难衡量AI实际效用。复旦大学与字节跳动等团队提出全新评测范式EvaLearn，以连续问题求解为核心，构建问题并设评分标准，对九个前沿大模型研究有诸多发现。

用户对 Agent 不满常因它「做得不好」，不遵循指令和规范。当前主流评测体系以结果为导向，与真实场景错位。MiniMax 开源 OctoCodingBench 评测集，结果显示模型过程规范遵循不足，未来训练需引入过程监督。

加利福尼亚大学圣迭戈分校博士生王禹和纽约大学教授陈溪联合推出并开源全球首个多模态、多智能体AI记忆系统MIRIX，还上线桌面端APP。MIRIX性能远超传统方法，首次将记忆分六模块，用多智能体系统控制。

在年度 Ignite 大会上，微软宣布公开预览 Foundry Agent Service 中的记忆功能，这是全托管长期记忆存储，与代理服务原生集成。开发者可存储、检索和管理关键上下文，系统自动处理复杂“管道”。

今年4月，OpenAI对ChatGPT记忆系统重磅升级，可参考过往对话提供个性化响应。软件工程师Eric Hayes拆解其双重记忆架构，推测实现机制，探索对用户体验的重塑。

大语言模型（LLM）智能体兴起，记忆机制是核心。本次报告将探讨记忆管理对其性能的影响及潜在风险，展示缓解关键挑战的策略，介绍新攻击范式，揭示安全漏洞，强调需重新审视与建模。

在人工智能走向智能体阶段，‘记忆’成焦点。如今大模型‘记不住’上下文，‘从Human Memory到Agent Memory’跃迁是迈向具身智慧关键。GAIR Live将邀专家探讨记忆技术逻辑与路径。