LabyrinthBench发布：测多步Agent上下文记忆，擦除历史反而更强
jwdeaver · reddit · 2026-08-07
LabyrinthBench 是一个全新的开源本地基准测试，专门评估大语言模型在多步智能体任务中的上下文记忆与抗干扰能力。
- 无需LLM裁判：采用确定性的迷宫导航与逻辑门问答（如变量追踪、链式计算），客观打分，避免了主观评价的开销。
- 测试痛点：模拟长程任务中因上下文压缩或超限导致模型“失忆”或偏离轨道的真实痛点。
- 首测反直觉结果：在 13 个本地模型的 20 步长廊测试中，擦除完整聊天记录、仅重注入模型自身历史答案的策略，在 9 个模型中有 7 个表现更好。同一上下文管理技巧对不同模型的效果可能截然相反。
「编程与Agent」频道最新
- DHH 深圳行：Omarchy Meetup 超 400 人报名，小米高管现场演示 — LoganGrasby · 2026-10-16
- shadcn 转发 ShadHub：GitHub Registry 目录站上线，可即时提交收录 — shadcn · 2026-10-16
- Sarvam 联手 Figma:基于 Indus 的 Agent 可经 MCP 直接在 Figma 里做设计 — itsOmSarraf_ · 2026-10-16
- 独立开发者给 Mac VM 应用加 MCP：让 agent 搞坏一次性克隆而非真机 — ScholarBackground836 · 2026-10-16
- ComfyUI 拖拽失效排查：第三方节点包劫持 drop 事件 — Inside_Chocolate_967 · 2026-10-16
- 为什么别人家的AI很强你的很拉：Agent四件套拆解 — yangyi · 2026-10-16