Mastra Observational Memory 登顶 BEAM 长期记忆基准 100K/1M 榜首
darian314 · x · 2026-10-30
calcsam 团队测试了 Observational Memory 在超长对话下的表现:在 BEAM 长期记忆基准上以默认设置跑 100K、1M 和 10M tokens。结果显示其在 100K 和 1M 档拿到已公开的最高分——100K 档 83.3%、1M 档 80.6%,超过 Exabase(76.9%/75.0%)、Hindsight(73.4%/73.9%)和 Honcho(63.0%/61.8%);10M 档 66.4%,落后 Exabase 的 68.0% 约 1.6 分(±5.8 边际)。对话越长,Agent 记忆越难保持,该结果说明观测式记忆方案在超长上下文下的可扩展性。
「编程与Agent」频道最新
- 实测 Codex 做「总司令」：本地指挥远程与本地多个 AI Agent 协同 — huangyun_122 · 2026-10-30
- Nous Research 招聘首位合作负责人,扩建 Hermes Agent 生态 — NousResearch · 2026-10-30
- 开源工具 llmman 一条命令让 Claude Code 等agent跑任意本地模型 — weskambale · 2026-10-30
- DSPy 上下文工程指南:把 Context Engineering 变成可编程流程 — kieranklaassen · 2026-10-30
- 前游戏创业者用 Claude+GPT 探索「Vibe UI」,做元素格斗游戏原型 — trq212 · 2026-10-30
- Proof of Agent 架构升级:每 15 分钟锚定 Solana 与 Base,验证成本不再随历史增长 — adamamcbride · 2026-10-30