待验证50% 置信基准精确时间
MemoryBench 是 Meta 自编的基准，测试在 64K 至 100K token 的多轮长对话中召回关键信息，对话跨越多个事实，并带有干扰对话以及与目标细节冲突或后续更新的注入轮次，由 LLM 裁判按加权评分标准打分。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/15
首次发现
有效期至：2027/1/13
来源
Meta Muse Wonder 推出忆层，智能体持久记忆引关注
rss2026/10/15
涉及实体
相关事实
已验证多轮对话配置解决上下文记忆问题，决定智能体在连续对话中能保留多少轮历史信息65% 相似待验证Loop Engineering因多轮迭代、完整上下文携带和自我检查机制叠加，Token消耗量通常是普通对话的5至20倍64% 相似待验证LongMemEval是评估长程记忆能力的基准，其中多跳任务要求系统跨越多条记忆片段进行推理才能回答一个问题。64% 相似待验证Meta 描述了两个模型特性：Active Memory 跨对话携带相关上下文，Active Focus 在困难目标上持续尝试不同路径并在关键操作前确认。63% 相似待验证MemoryOps 的核心工作循环由 RECALL（检索）、REFLECT（反思）、RECOMMEND（推荐）、RETAIN（留存）四个步骤构成62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1034408API
curl https://kongchang.com/api/v1/knowledge/claims/1034408MCP
get_claim(id=1034408)