大模型助手在真实对话中常需主动调用长期记忆，补全用户没说完的细节。但现有评测只考“问答式记忆”，忽略了这一关键能力。MEM2ACTBENCH应运而生：它把任务指令藏在2000多场含闲聊打断的长对话里，构造出400个必须靠历史推理才能完成的工具调用任务。测试七个主流记忆框架后发现，它们在记忆检索和参数填充上仍明显短板——记住不难，难的是知道何时该用、怎么用。
记忆不是仓库，而是行动力：MEM2ACTBENCH如何考验AI的长期记忆
18分钟 ·
15·
0
150
00:00
00:00
150大模型助手在真实对话中常需主动调用长期记忆，补全用户没说完的细节。但现有评测只考“问答式记忆”，忽略了这一关键能力。MEM2ACTBENCH应运而生：它把任务指令藏在2000多场含闲聊打断的长对话里，构造出400个必须靠历史推理才能完成的工具调用任务。测试七个主流记忆框架后发现，它们在记忆检索和参数填充上仍明显短板——记住不难，难的是知道何时该用、怎么用。