研究团队发布真实群聊记忆评测基准GroupAssistBench
Start here
2026年11月4日，研究团队发布首个源自真实对话的群聊助手记忆评测基准GroupAssistBench。该基准涵盖50个群组共计80,299条消息，耗资超过5.3万美元，覆盖单点、分布式及冲突记忆等场景。评测体系同时包含带参考答案的记忆召回（L1）与无固定答案的记忆使用（L2）。实验结果显示，当前最强的记忆系统在记忆召回上能够媲美全上下文，但在记忆使用层面，特别是在处理分布式与冲突记忆场景时仍显著落后。
AI-generated from reports · Updated 10 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 自然语言处理GroupAssistBench：超越单纯召回的真实群聊助手记忆评测基准
研究团队推出首个源自真实对话的群聊助手记忆基准 GroupAssistBench，涵盖 50 个群组的 80,299 条消息，耗资超 $53K。该基准跨单点、分布式及冲突记忆场景，同时评测带参考答案的记忆召回（L1）与无固定答案的记忆使用（L2）。实验显示最强记忆系统在召回上媲美全上下文，但在记忆使用尤其是处理分布式与冲突记忆时显著落后。
Story heat trend
Current heat 8·Comparable peak 10（Nov 4 14:00）·Comparable change, last 24 hours–
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.