搜索：记忆评测基准

「记忆评测基准」共找到 1796 篇相关文章

对谈 Memories AI 创始人 Shawn: 给 AI 做一套“视觉海马体”｜Best Minds

本文是对 Memories AI 创始人 Shawn 的访谈。他指出当下 AI 记忆多为“上下文工程”，其团队致力于打造视觉记忆层 LVMM。还探讨了视觉与文本记忆区别、LVMM 架构及应用场景等，认为视觉记忆将成下一代 AI 核心。

LLM记忆问题是业界难题，Clawdbot采用极简方式破解，用写Markdown实现记忆。其记忆系统优势明显，如极简易用、透明可控等，但也有劣势，像数据扩容能力有限、功能扩展性不足等。

8月13日，DeepSeek开源Agent Harness dsh引发行业对“Harness”的关注。近日，MirroS联合多机构发布HarnessEval，将其概念引入评测系统。它使评测从Metric到Harness，形成可执行评测系统，已落地于交互式世界模型。

本文聚焦 OpenClaw 引爆的智能体革命，对话专家探讨记忆系统及下一代 Agent 走向“长期主义”的底层逻辑。指出 OpenClaw 记忆起初是优势，后成短板，还讨论了从“记住”到“会用”、多 Agent 协作等问题。

清华、北航联合提出类脑空间认知框架 BSC-Nav，让具身智能体有「空间感」。它克服现有导航方法记忆难题，有三大记忆组件，实验中性能碾压，能应对复杂任务，真机实测也表现出色。

文章指出AI记忆面临诸多困境，如记不住、记太多，还有记忆审计和沉淀判断力等问题。作者认为遗忘是记忆系统的重要功能，AI应学会主动遗忘，谁先解决此问题，谁就能做出真正懂人的AI。

高人气开源智能体记忆项目Mem0在论文中称在LOCOMO上打败所有人，MemGPT联合创始人公开指控其测试无意义、数据造假。二者都为解决大模型长期记忆问题，Letta认为能力比工具重要，并给出评估智能体记忆能力的方法。

Supermemory公司发布Infinite Chat API，能让任何LLM有近乎无限上下文长度。用户一行代码就能切换，可扩展上下文、省90%成本、提性能，已上线，有免费试用额度，后续有固定费用和用量计费。

弗吉尼亚大学和纽约大学研究人员用「前摄干扰」概念设计测验PI - LLM，测试大语言模型（LLM）上下文检索能力。结果显示，随干扰增加，模型准确率对数下降至零，提示工程效果有限，需调整模型架构或训练范式。

随着GPT、Qwen、Claude等大模型能力提升，LLM-based Agent走向长期任务。论文提出统一框架拆解Agent Memory为四组件，围绕两个数据集复现比较10个方法，还设计出新的低token开销框架。