20多所机构联合发布Agent记忆评测榜单AML

为解决AI智能体长期记忆系统缺乏统一评测标准的问题，20多所高校与研究机构联合推出了Agent Memory Leaderboard (AML)。该平台旨在衡量系统存储、检索和利用长期信息的能力，目前已在GitHub开源评测代码，为开源与商业系统提供了统一的评估基准。

已确认

• 发起背景：由于各类记忆系统使用的数据集、生成模型和评判标准各异，分数难以直接比较，AML应运而生以解决这一归因问题。
• 评测基准：整合了10余个主流数据集（包括beam、clbench、locomo-refined、longmemeval-s、personamem、scriptmem等），覆盖文本与代码记忆场景。为保证评测公平，系统固定了用于回答的模型。
• 开源代码：AML-memory团队已在GitHub公开评测代码，运行环境要求Python 3.x，方便研究人员和开发者复现。

为什么重要

• AML为长期困扰业界的“自卖自夸”式评测提供了统一、开放且可复现的验证平台，有助于客观衡量各大模型与商业记忆服务的真实表现，推动智能体记忆技术的实质性发展。

2026-08-07 ~ 2026-08-08 · 5 条相关

• Agent Memory Leaderboard 公开评测代码，涵盖多数据集 — rohanpaul_ai · 2026-08-07
• 【源头】多所高校联合发布 Agent 记忆评测榜单 AML — AI寒武纪 · 2026-08-07
• 解决横向评测难题：Agent Memory Challenge 开源与商业系统大比拼 — rohanpaul_ai · 2026-08-07
• Agent Memory Leaderboard：智能体长期记忆系统开源评测榜单发布 — thisguyknowsai · 2026-08-08

另有 1 条近重复转述:bigaiguy