EvoMemBench

评测问题

记忆如何在单次任务内更新，并跨任务积累可复用经验？EvoMemBench 将记忆范围与记忆内容交叉组织，覆盖知识保留与修订、执行状态跟踪和经验复用。

评测设计

六组评测数据覆盖对话知识、工具调用、网页搜索与具身任务。15 种记忆方法使用统一主干模型，并与无外部记忆的长上下文基线比较。

研究发现

长上下文基线仍具竞争力；记忆的收益取决于任务难度、上下文预算与经验是否匹配。知识任务报告准确率，执行任务报告成功率，同时统计 Token 开销。

研究介绍与结果据论文原文 ↗整理；实验结论对应原文中的模型、数据与协议。