<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	>

<channel>
	<title>智能体记忆 &#8211; mylogs.cn</title>
	<atom:link href="https://mylogs.cn/tag/%e6%99%ba%e8%83%bd%e4%bd%93%e8%ae%b0%e5%bf%86/feed/" rel="self" type="application/rss+xml" />
	<link>https://mylogs.cn</link>
	<description>发现、记录、分享</description>
	<lastBuildDate>Sun, 22 Nov 2026 11:51:28 +0000</lastBuildDate>
	<language>zh-Hans</language>
	<sy:updatePeriod>
	hourly	</sy:updatePeriod>
	<sy:updateFrequency>
	1	</sy:updateFrequency>
	
	<item>
		<title>8万条群聊做成考卷：AI助手记得住却未必用得好</title>
		<link>https://mylogs.cn/8%e4%b8%87%e6%9d%a1%e7%be%a4%e8%81%8a%e5%81%9a%e6%88%90%e8%80%83%e5%8d%b7%ef%bc%9aai%e5%8a%a9%e6%89%8b%e8%ae%b0%e5%be%97%e4%bd%8f%e5%8d%b4%e6%9c%aa%e5%bf%85%e7%94%a8%e5%be%97%e5%a5%bd/</link>
		
		<dc:creator><![CDATA[steve, zhang]]></dc:creator>
		<pubDate>Sun, 22 Nov 2026 11:51:28 +0000</pubDate>
				<category><![CDATA[科技]]></category>
		<category><![CDATA[AI智能体]]></category>
		<category><![CDATA[GroupAssistBench]]></category>
		<category><![CDATA[NLP]]></category>
		<category><![CDATA[开源基准]]></category>
		<category><![CDATA[智能体记忆]]></category>
		<category><![CDATA[群聊助手]]></category>
		<category><![CDATA[腾讯元宝]]></category>
		<guid isPermaLink="false">https://mylogs.cn/8%e4%b8%87%e6%9d%a1%e7%be%a4%e8%81%8a%e5%81%9a%e6%88%90%e8%80%83%e5%8d%b7%ef%bc%9aai%e5%8a%a9%e6%89%8b%e8%ae%b0%e5%be%97%e4%bd%8f%e5%8d%b4%e6%9c%aa%e5%bf%85%e7%94%a8%e5%be%97%e5%a5%bd/</guid>

					<description><![CDATA[一个九人出行群最初商定5月1日出发，后来又改成4月30日。等到有人请AI助手发布购票提醒，它很可能还按旧日期通 [&#8230;]]]></description>
										<content:encoded><![CDATA[<p class="wp-block-paragraph">一个九人出行群最初商定5月1日出发，后来又改成4月30日。等到有人请AI助手发布购票提醒，它很可能还按旧日期通知——虽然&#8221;记住&#8221;了历史，却没有真正服务好这个群。针对这类问题，腾讯元宝与伦敦国王学院（KCL）NLP团队联合推出GroupAssistBench，把8万条真实群聊消息做成考卷，检验智能体记忆能否从&#8221;记得住&#8221;走向&#8221;用得好&#8221;。</p>
<h2 class="wp-block-heading">从回答事实到完成服务</h2>
<p class="wp-block-paragraph">已有的智能体记忆评测多靠事实问答检验历史回忆，但真实群聊要复杂得多：同一条信息可能由不同成员补完，安排会随讨论更新，一句回复可能同时受好几个人的约束。研究基于50个真实群聊、80299条历史消息，构建了2395道评测题。</p>
<p class="wp-block-paragraph">评测分两个层级。L1叫记忆召回，有明确的参考事实，比如&#8221;最初约定哪天出发&#8221;，共1374道；L2叫记忆使用，要求完成一项服务，比如&#8221;帮大家发出行和购票提醒&#8221;，答案没有固定措辞，却必须遵守有效的历史决定和成员要求，共1021道。研究还按所依赖的记忆结构，把题目分为M1单条记忆、M2多记忆整合、M3更新与冲突处理，其中M3尤其考验能否识别旧决定何时被新决定取代。</p>
<figure data-wp-context="{&quot;imageId&quot;:&quot;6b02defbe3f17&quot;}" data-wp-interactive="core/image" data-wp-key="6b02defbe3f17" class="wp-block-image wp-lightbox-container"><img decoding="async" data-wp-class--hide="state.isContentHidden" data-wp-class--show="state.isContentVisible" data-wp-init="callbacks.setButtonStyles" data-wp-on--click="actions.showLightbox" data-wp-on--load="callbacks.setButtonStyles" data-wp-on--pointerdown="actions.preloadImage" data-wp-on--pointerenter="actions.preloadImageWithDelay" data-wp-on--pointerleave="actions.cancelPreload" data-wp-on-window--resize="callbacks.setButtonStyles" src="https://mylogs.cn/wp-content/uploads/2026/11/f5496e4c17712f672952481bed3a74c1_header.webp" alt="GroupAssistBench论文标题页" title="图片来源：量子位" style="max-width:100%;height:auto;"/><button
			class="lightbox-trigger"
			type="button"
			aria-haspopup="dialog"
			data-wp-bind--aria-label="state.thisImage.triggerButtonAriaLabel"
			data-wp-init="callbacks.initTriggerButton"
			data-wp-on--click="actions.showLightbox"
			data-wp-style--right="state.thisImage.buttonRight"
			data-wp-style--top="state.thisImage.buttonTop"
		>
			<svg xmlns="http://www.w3.org/2000/svg" width="12" height="12" fill="none" viewBox="0 0 12 12">
				<path fill="#fff" d="M2 0a2 2 0 0 0-2 2v2h1.5V2a.5.5 0 0 1 .5-.5h2V0H2Zm2 10.5H2a.5.5 0 0 1-.5-.5V8H0v2a2 2 0 0 0 2 2h2v-1.5ZM8 12v-1.5h2a.5.5 0 0 0 .5-.5V8H12v2a2 2 0 0 1-2 2H8Zm2-12a2 2 0 0 1 2 2v2h-1.5V2a.5.5 0 0 0-.5-.5H8V0h2Z" />
			</svg>
		</button></figure>
<h2 class="wp-block-heading">更会回忆，并不必然更会服务</h2>
<p class="wp-block-paragraph">团队比较了完整上下文、检索增强和外部记忆等14组配置。结果里最值得注意的是一组反差：EverMemOS在L1记忆召回上得分0.621，高于使用相同任务模型的完整上下文0.570；但在L2开放式服务评测中，它只有0.247，低于完整上下文的0.431。同一个系统，在&#8221;回忆&#8221;这一关赢了，在&#8221;服务&#8221;这一关却输了。</p>
<figure class="wp-block-table"><table class="has-fixed-layout"><tbody><tr><th>配置</th><th>L1记忆召回</th><th>L2开放式服务</th></tr><tr><td>EverMemOS</td><td>0.621</td><td>0.247</td></tr><tr><td>完整上下文（相同任务模型）</td><td>0.570</td><td>0.431</td></tr></tbody></table></figure>
<p class="wp-block-paragraph">为避免系统仅凭常识蒙对，团队先比较&#8221;提供历史&#8221;和&#8221;不提供历史&#8221;的回答，筛出确实需要群聊记忆的请求；再为必需事实建立记忆锚点，定位到来源消息及证据片段，并设置各自的历史截止点，防止模型读到提问之后的信息。数据经过匿名化和隐私审查，抽样核验中95.8%的题目经多数投票判定有效。</p>
<p class="wp-block-paragraph">L2题没有标准答案，如何打分是个难题。团队为每道题构建了与历史证据绑定的定制评分准则，包含Grounding（是否体现必要的历史事实）、Service（任务是否完成）、Penalty（是否违反现有决定、忽视成员限制或使用过时信息）三部分。自动评判与人工多数票的一致率达到89.3%。</p>
<h2 class="wp-block-heading">找到的事实，为什么没用上</h2>
<p class="wp-block-paragraph">研究追踪了497条配对记忆——同一段历史既被L1直接询问，也被某项L2服务真实依赖。这样就能看清：已经回忆得出的记忆，到了服务环节究竟发生了什么。在分析的外部记忆系统里，L1已召回但L2未被判定有效使用的记忆，约36%根本没进入L2的模型输入，其余约64%虽进入输入，却没在回答里被有效应用。前一种情况往往因为用户只说&#8221;帮大家安排一下&#8221;，没有逐一指出该检索哪些历史偏好；后一种则表明，证据已经摆到模型面前，它仍不知道该如何约束当前回复。</p>
<p class="wp-block-paragraph">针对这两种失灵，团队试了两个轻量干预。RER（关系证据整理）在检索后梳理人物、事件、时间及决定之间的关系，需要时补充相关候选证据；ACB（服务约束绑定）把已获得的事实整理成具有主体、范围和当前有效状态的回复约束。实验中，RER让LightMem的L2平均分提高6.28个百分点，ACB让xMemory和EverMemOS分别提高3.94和3.16个百分点；两者组合后，三个系统的L2分数相对各自基线分别提高7.03、4.64和4.43个百分点。</p>
<h2 class="wp-block-heading">常见问题</h2>
<p class="wp-block-paragraph">这个基准测什么？它把&#8221;回忆&#8221;和&#8221;使用&#8221;分开衡量，检验智能体在多人、多话题的群聊里能否找到历史信息，并在正确的时候用上对的那条。</p>
<p class="wp-block-paragraph">数据集公开吗？论文已在arXiv公开，代码和数据集也已开放，公开版本不含原始群聊身份信息。</p>
<p class="wp-block-paragraph">对普通用户意味着什么？随着智能体承担更多长期服务，记忆系统的价值不再只是存了多少、搜得多快，而在于能否理解何时使用、对谁适用、哪些信息已经失效。</p>
<p class="wp-block-paragraph">信息来源：量子位、腾讯新闻、arXiv论文（编号2611.04867）、GroupAssistBench项目主页</p>]]></content:encoded>
					
		
		
			</item>
	</channel>
</rss>
