基准Long-Context Memory
Locomo
长期记忆评测基准，侧重评估AI系统跨会话的上下文连贯性与时序推理能力，要求在大量噪声信息中精准召回
时间轴 (近 90 天)
9月24日
Locomo（Long-Context Memory）侧重评估跨会话的上下文连贯性与时序推理
待验证50%
9月16日
EvoMem在Gaia、Locomo等传统静态benchmark上同样有效，因为长程任务中多轮交互本身也会改变环境状态
待验证50%
全部知识事实 (5)
待验证
MemGAS在四个长期记忆基准上进行评估：Locomo、LongMemEval-S、LongMemEval-M和LongMTBench Plus
95%待验证memU在Locomo测试中达到了92%的准确率，覆盖单跳、多跳、开放域和时序等多种场景
85%待验证Locomo评测数据集存在局限性，不同Memory框架使用不同的judgment prompt导致分数缺乏可比性
80%待验证Locomo（Long-Context Memory）侧重评估跨会话的上下文连贯性与时序推理
50%待验证EvoMem在Gaia、Locomo等传统静态benchmark上同样有效，因为长程任务中多轮交互本身也会改变环境状态
50%