Skip to content
Hot storiesContinuously updated

研究团队提出智能体长期记忆效用评估方法与数据集

1 reports1 reporting sourcesUpdated 13 hours ago

Start here

AI overview

2026年11月4日，arXiv发布一项关于智能体长周期记忆效用的研究。该研究提出通过测量任务条件效用来评估智能体长周期记忆。在 LongMemEval-V2 事实召回测试中，包含答案的记忆带来了 +0.33 的平均配对奖励增益（95% 区间为 +0.21 至 +0.46）。测试同时显示，任务盲摘要与结构化记录带来的增益均低于原始记忆，且此类收益并未延伸至软件工程和科学编程基准。目前，研究团队已公开发布 Conditional Memory Utility Dataset。

AI-generated from reports · Updated 13 hours ago

Latest developmentsNov 4 13:00
研究团队提出测量任务条件效用的长周期记忆评估方法，并发布相关基准数据集。

Report timeline

Follow the reports to see different sides of the story.

Nov 4
  1. arXiv 人工智能
    智能体长周期记忆有什么用？测量任务条件下的记忆效用

    研究提出通过测量任务条件效用评估智能体长周期记忆，在 LongMemEval-V2 事实召回测试中，包含答案的记忆带来了 +0.33 的平均配对奖励增益（95% 区间 +0.21 至 +0.46）。测试显示任务盲摘要与结构化记录的增益均低于原始记忆，且该收益未延伸至软件工程和科学编程基准；团队已公开发布 Conditional Memory Utility Dataset。

Story heat trend

Current heat 7·Comparable peak 10（Nov 4 14:00）·Comparable change, last 24 hours–

02.557.510Nov4Nov4Nov4Nov5

Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.