解决横向评测难题：Agent Memory Challenge 开源与商业系统大比拼

rohanpaul_ai · x · 2026-08-07

当前各类 AI 智能体记忆系统普遍存在“自卖自夸”的归因问题，由于使用的数据集、生成模型和评判标准各异，分数难以直接比较。

为此，20 多家研究机构联合推出了 Agent Memory Challenge 基准测试。该测试通过统一管线（包含 5000 个问题、固定的回答模型和一致的评判流程）对所有参赛系统进行评估。此外，基准特意将开源项目与商业产品分组，以保障公平竞争。提交截止于 8 月 7 日，首份公开排行榜预计于 8 月中旬发布。