浙大团队发布 EMem-Bench：2554 条样本评测具身智能的长期记忆能力

新智元 · wechat · 2026-10-18

浙江大学 OmniAI 团队提出具身记忆基准 EMem-Bench 及外部记忆系统 EMem 与 EMem-8B 模型，发布约三周 HuggingFace 下载近 3 万次。

失败归因：分析 Gemini-3-Flash 与 Qwen3-VL-32B 的 100 条失败轨迹，91% 与记忆相关——忽略视觉线索（35%）、遗漏环境状态变化（18%）、未记录交互反馈（31%）、未能迁移经验（7%）。
四类任务：被动观察、动态跟踪、交互失败、经验泛化；基于 AI2-THOR/ProcTHOR 构建，覆盖 1118 个场景，历史长度中位数 78-111 步，最终保留 2554 条可执行样本。
结果：full-context 设置下 Gemini-3-Flash 平均成功率 64.2% 居首；固定 GPT-5.4-mini 骨干时，EMem 将成功率从 35.3% 提到 58.9%（+23.6 个百分点），显著优于 TeleMem 等记忆系统；EMem-8B 达 46.0%，比原始 Qwen3-VL-8B 高 20.6 个百分点。
关键发现：直接堆历史图像反而使成功率从 36.6% 降至 26.2%，tokens 涨约 4.9 倍、延迟涨约 9.5 倍——原始历史堆积不能替代有效记忆管理。消融显示场景/空间/事件三种记忆互补，缺一不可。

「具身」频道最新