UCLA 提 LongMemEval-V2：Agent 需像老同事一样熟记环境

dair_ai · x · 2026-08-27

现有 Agent 记忆基准多测试用户历史回忆，但生产环境更需要 Agent 内部化环境特征（如界面怪癖、状态动态）。UCLA 新论文推出 LongMemEval-V2 基准，包含 451 个手动策划的问题，覆盖五种网络 Agent 记忆能力：静态状态回忆、动态状态跟踪、工作流知识、环境陷阱识别、前提感知。历史轨迹可扩展至每个问题 500 条轨迹和 1.15 亿 Token。

提出的 AgentRunbook-C 方法将轨迹存为文件，让编码 Agent 在沙盒中收集证据。该方法平均准确率达 72.5%，显著强于最强 RAG 基线（48.5%）和现成编码 Agent（69.3%）。