8月6日
09:32
09:32官方账号arXiv cs.AI@Bo Wang, Yuqian Yao, Enxi Wang, Luozhijie Jin, Yang Liu, Yiran Suo, Yuxuan Cai, Enyu Zhou, Yufei Gao, Honglin Guo, Tianyu Huai, Li Ji, Zhikai Lei, Bufan Li, Lizhi Lin, Jinxiu Liu, Jie Yang, Jiazheng Zhou, Maosen Zhou, Pengfang Qian, Shichun Liu, Guanshan Liu, Hao Zheng, Yunhao Yu, Hang Yan, Jihua Kang, Xinchi Chen, Xipeng Qiu
ContextWeave 是一项评估语言智能体长期记忆的新基准,基于14名参与者的多月经脱敏工作流,构建了1005个可执行任务,其中568个为核心评测任务。固定模型下,最强记忆配置将 Workspace Score 从68.08提升至78.20,Preference Score 从41.50提升至70.60。固定记忆组件时,召回记忆改善了全部5个测试基础模型的结果。分析还发现,可操作且经验丰富的记忆比紧凑摘要更能支持工作流延续,但也更容易受误导性召回影响。
推荐理由:搞 agent 记忆的人该看看:ContextWeave 拿真实办公流做了1005个任务,能看出召回记忆到底帮不帮得上忙。