【免费下载链接】Awesome-Memory-for-AgentsA Collection of Papers about Memory for Language Agents项目地址https://gitcode.com/gh_mirrors/aw/Awesome-Memory-for-Agents点击查看免费下载做 AI Agent 的人都有一个共同的困惑Agent 的记忆能力到底靠不靠谱它宣称记得住但跨天对话、多轮任务中到底能不能召回关键信息光靠 demo 根本看不出来。开源项目Awesome-Memory-for-Agents正是为解决这个痛点而生——它是一份持续更新的 Agent 记忆论文精选清单其中 Benchmark 板块系统收录了LoCoMo、LongMemEval、MemBench、MemoryAgentBench等 16 个记忆评测基准帮你用标准化数据回答记忆到底行不行。为什么需要专门的记忆 Benchmark很多人会把长上下文当成有记忆其实这是两回事长上下文一次把大量文本塞进上下文窗口靠的是容量长期记忆信息跨会话、跨任务持久保存需要写入、检索、更新、遗忘一整套机制。一个 Agent 可能上下文很长却在三天前你提过什么偏好这类问题上翻车。要客观衡量这类能力就需要面向记忆本身设计的评测集——这正是 Awesome-Memory-for-Agents 中 Benchmark 板块的价值所在。想完整理解 Agent 记忆的分类框架短期记忆 / 长期记忆 / 经验记忆可以先读项目 README.md 中的 Overview 部分它按持久性 是否依赖任务结果把记忆划分为三大应用场景个性化对话、经验学习、长程任务上下文管理。16个记忆Benchmark清单一张表看懂以下 16 个基准均收录于 README.md 的 Benchmark 章节按发布时间从新到旧排列。每个基准侧重不同维度选对基准才能测对能力长期对话记忆类LoCoMo、LongMemEval、RealTalkBenchmark发布时间核心考点适合回答的问题PrecisionMemBench2026-05首个精度感知的记忆检索基准考察结构化信念状态检索回来的记忆够不够准CloneMem2026-01为AI 数字分身设计的长期记忆评测克隆体能否复现真人的记忆细节KnowMe-Bench2026-01终身数字伴侣的人物理解能力长期陪伴后有多了解用户RealMem2026-01真实世界记忆驱动交互脱离合成数据还灵不灵PersonaMem-v22025-12隐式用户画像 Agentic Memory不直接告知偏好时能否推断人格ConvoMem2025-11前 150 轮对话是否需要 RAG多少轮之内裸模型就够用MemoryAgentBench2025-07增量式多轮交互中评估记忆记忆随对话推进如何动态更新StoryBench2025-06多轮动态长程记忆评测跨越多回合的故事线能否记住RealTalk2025-0221 天真实世界长对话数据集真人长期对话场景下的记忆表现LongMemEval2024-10聊天助手的长期交互记忆基准信息埋在历史对话深处能否召回MADial-Bench2024-09真实场景记忆增强对话生成检索出的记忆能否真正改进回答LTM (Beyond Prompts)2024-09动态对话式 LTM 基准跨会话事实追踪与更新能力LoCoMo2024-02超长对话Very Long-Term记忆评测几百轮对话后还认得之前的细节吗综合与任务导向类MemBench、StuLife 等Benchmark发布时间核心考点适合回答的问题LoCoBench-Agent2025-11长上下文软件工程的交互式评测Agent 在超长代码库任务中的状态保持StuLife2025-08经验驱动的终身学习框架 基准Agent 能否像学生一样终身成长WebChoreArena2025-06真实枯燥网页任务反复出现的 Web 操作中记忆是否提效MemBench2025-06更全面覆盖 LLM Agent 记忆维度多维度综合体检哪项能力是短板LifelongAgentBench2025-05把 Agent 当终身学习者来评估长期运行中能力是否持续进化快速选型指南测对话型 Agent 的记性首选LoCoMo超长对话经典LongMemEval信息检索深度这两个是社区引用率最高的基线测个性化/人格理解选KnowMe-Bench、PersonaMem-v2测综合记忆系统选MemBench覆盖维度最全测真实场景鲁棒性选RealMem、RealTalk这类真实数据基准测经验积累与终身学习选StuLife、LifelongAgentBench测软件工程类 Agent选LoCoBench-Agent。3步用Benchmark判断记忆能力光有清单还不够下面是一套可落地的判断流程第 1 步明确被测场景先回答我的 Agent 记忆用在哪——是连续个性化对话、跨任务经验积累还是单个长程任务的上下文管理README.md 的 Overview 表格把这三类场景与记忆内容对应得很好选基准时按场景对号入座。第 2 步选 2 个左右基准交叉验证不建议只跑一个基准合成数据如 LoCoMo看上限真实数据如 RealMem看下限。两个分数差距过大说明系统在真实分布下泛化不足。第 3 步区分检索分与端到端分很多系统检索得分高、但生成答案时依然用不上记忆检索-生成脱节。评测时务必同时看记忆召回准确率和最终任务正确率后者才是用户真正感知的靠谱程度。除了 Benchmark这个仓库还有什么Awesome-Memory-for-Agents 远不止基准清单按主题共收录 200 篇论文和 50 个项目Application分 Personalization个性化、Learning from Experience经验学习、Long-horizon Agentic Task长程任务三大子类从 MemGPT 到 Mem0、Zep/Graphiti 等经典工作全部覆盖Survey记忆机制综述适合入门建立知识框架Product ProjectMem0、Letta、Cognee 等可直接落地的开源记忆系统部分项目还附带了 LoCoMo、LongMemEval 上的实测分数可直接横向对比。仓库采用 MIT 协议见 LICENSE由 Hongyi Liu 等研究者维护可以放心引用。如果本地没有源码可执行git clone https://gitcode.com/gh_mirrors/aw/Awesome-Memory-for-Agents常见问题FAQQ1LoCoMo 和 LongMemEval 有什么区别LoCoMo2024-02聚焦超长对话中的记忆评测考察几百轮对话后的细节召回LongMemEval2024-10更侧重信息检索深度测试埋在大量历史对话深处的信息能否被准确召回。两者常作为记忆系统的双基线同时报告。Q2RAG 分数高就等于记忆能力强吗不等于。记忆能力 写入策略 检索 更新/遗忘 与推理的融合。ConvoMem 等基准就专门验证了短对话根本不需要 RAG这类反直觉结论提示我们不能只看检索指标。Q3新手从哪里开始读这个仓库建议顺序先读 README.md 的 Overview 建立分类框架 → 浏览 Survey 板块的综述 → 按自己的业务场景挑 Benchmark 板块的对应基准 → 最后到 Product Project 找可落地的开源系统对照实验。总结判断 Agent 记忆能力是否靠谱答案就一个字测。而怎么测Awesome-Memory-for-Agents 已经替你整理好了——16 个 Benchmark 从 LoCoMo 到 LongMemEval、再到 2026 年的 PrecisionMemBench覆盖对话记忆、人格理解、经验积累、软件工程四大方向。把基准选对、分数交叉验证你的记忆系统是不是真靠谱数据会说话。赞分享【免费下载链接】Awesome-Memory-for-AgentsA Collection of Papers about Memory for Language Agents项目地址https://gitcode.com/gh_mirrors/aw/Awesome-Memory-for-Agents点击查看免费下载相关推荐如何衡量AI Agent的记忆能力Awesome-Agent-Memory收录的30基准实测指南LongMemEval、LoCoMo、MemBench如何衡量AI Agent的记忆能力Awesome Agent Memory收录的30基准实测指南LongMemEval、LoCoMo、MemBenchawesome-trading-agents基准评测深潜如何科学判断一个AI交易Agent是否靠谱awesome trading agents基准评测深潜如何科学判断一个AI交易Agent是否靠谱 awesome trading agents 是 LLMQAgent Memory TechniquesLoCoMo 与 LongMemEval 基准——如何测试你的记忆能否扛住长对话Agent Memory TechniquesLoCoMo 与 LongMemEval 基准——如何测试你的记忆能否扛住长对话 想让 Agent 记住你光靠上一篇如何用UserSim-Guard评估用户模拟器安全性2100测试用例与LLM-as-Judge实践BIRD-Interact下一篇一个C文件搞定IoT设备联网Mongoose嵌入式网络库完整指南创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
