待验证50% 置信事实精确时间
LoCoMo 侧重多轮长对话中的事实召回与一致性，LongMemEval 覆盖更广泛的长时记忆任务，包括时间推理、冲突消解和遗忘验证，二者在 MAQS-Way 中被用作可度量的验证手段。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
MAQS-Way v0.2 发布：为AI长期记忆制定可验证标准
rss2026/10/16
涉及实体
相关事实
待验证LongMemEval 主要测试模型在超长对话历史中定位并正确使用特定信息的能力，涵盖单跳与多跳问答场景73% 相似待验证混合策略（短期上下文处理即时对话、向量检索补充背景知识、结构化摘要维持长期状态）往往优于单一记忆方案71% 相似待验证在推理场景中处理长上下文、多轮对话和复杂推理链时，模型需要频繁读写大量中间状态（如KV Cache），对内存容量和带宽提出极高要求70% 相似待验证基于大语言模型的智能体在执行复杂任务时缺乏持久的确定性状态，需要通过多轮对话来澄清目标、补齐上下文、验证中间结果67% 相似待验证LLM 在处理复杂任务时容易出现幻觉和逻辑漂移，这与其自回归逐 token 预测机制有关，早期错误会被后续内容放大67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1045066API
curl https://kongchang.com/api/v1/knowledge/claims/1045066MCP
get_claim(id=1045066)