Feb 18, 2026 · MemoryArena
MemoryArena：Agent 记忆评测从文本回忆转向跨会话行动
2026 年 2 月 18 日提交的 MemoryArena 构建跨会话、子任务相互依赖的 Memory-Agent-Environment 评测，显示在既有长上下文记忆基准接近饱和的 Agent，在需要用过往行动与反馈指导后续任务时仍表现薄弱。
EVENT STORY
Development
- First ReportMemoryArena：Agent 记忆评测从文本回忆转向跨会话行动arXiv cs.AI
- Current Assessment面向客服、研究、个人助理和企业流程的 Agent，不能只用静态问答记忆分数证明长期可靠性；验收还需要覆盖状态变化、错误反馈和跨会话任务结果。Agent Pulse · analysis
传统记忆基准往往把“记住信息”和“完成行动”分开测量，容易高估真实 Agent 的长期能力。MemoryArena 要求系统在前序交互中形成记忆，再把这些经验用于后续规划、搜索和推理。
基准覆盖网页导航、偏好约束规划、渐进式信息搜索和顺序形式推理，并设计了相互依赖的多会话子任务。评测同时考察召回准确率、记忆提炼、跨会话迁移、持续规划和最终行动结果。
面向客服、研究、个人助理和企业流程的 Agent，不能只用静态问答记忆分数证明长期可靠性；验收还需要覆盖状态变化、错误反馈和跨会话任务结果。
企业测试 Agent 时应增加跨天任务与依赖前序反馈的回归集，用最终业务动作是否正确替代单纯的历史信息召回率。
下一步应关注任务覆盖、环境泄漏、评审可重复性，以及不同记忆架构在延迟、成本、隐私和长期错误传播上的权衡。