基准
FEB-30
一种用于评估Agent记忆质量的基准，采用反转范式构建确定性真值，测试系统对记忆操作（创建、更新、强化、取代）的正确分类能力
时间轴 (近 90 天)
10月19日
arXiv论文《Beyond Downstream QA》提出的FEB-30基准采用反转范式构建确定性真值，测试显示一个代表性记忆系统对记忆操作（创建、更新、强化、取代）的正确分类率只有20%。
待验证50%
一种用于评估Agent记忆质量的基准，采用反转范式构建确定性真值，测试系统对记忆操作（创建、更新、强化、取代）的正确分类能力
arXiv论文《Beyond Downstream QA》提出的FEB-30基准采用反转范式构建确定性真值，测试显示一个代表性记忆系统对记忆操作（创建、更新、强化、取代）的正确分类率只有20%。