新基准显示现有记忆系统难以记住并应用用户交互偏好。
资讯摘要
论文提出 MemPABench，一个用于在策略评估个人智能体记忆的交互环境，聚焦智能体能否记住用户希望被如何协助。环境包含四个模拟用户、14 项工作与个人场景偏好，反馈覆盖四个月 99 个会话，每位用户有五次事件驱动偏好变化。作者在四种 LLM 底座上评测四类记忆系统，发现检索式系统（Mem0、MemOS、简单 RAG）在偏好选择上未超过无记忆基线，基于文件的记忆提升准确率但会把偏好用到不相关场景。
要点速读
- MemPABench 要求智能体在长程任务中决定何时澄清、确认或自主行动，并评测偏好选择、实际行为及对上下文和偏好变化的敏感度。
- 四个模拟用户共持有 14 项交互偏好，反馈跨 99 个会话、四个月，每人五次事件驱动变化用于测试记忆更新。
- 作者报告检索式记忆系统未优于无记忆，基于文件的记忆准确率更高但存在跨场景误用；即使偏好可得，覆盖智能体默认交互习惯仍困难。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/24 08:00:37（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。