MemPABench：评测个人智能体对交互偏好的记忆
原文标题：Why Bother Me Again? Benchmarking Personal Agent Memory for Interaction Preferences
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文推出 MemPABench，一个面向个人智能体记忆的在线策略评测环境，要求智能体判断何时澄清、确认或自主行动。环境含 4 个模拟用户、14 项偏好、跨四个月 99 个会话及事件驱动偏好变更。评测发现检索式记忆系统（Mem0、MemOS、RAG）并不优于无记忆，基于文件的记忆虽提升准确率却会越界套用偏好。
- 问题
- 个人智能体记不住用户的交互偏好，导致重复提问和多余确认。
- 方法
- 构建在线策略评测环境，含 4 个模拟用户、14 项偏好、跨四个月 99 个会话及事件驱动偏好变更，考察何时澄清、确认或自主行动。
- 结果
- 检索式记忆（Mem0、MemOS、RAG）不优于无记忆；基于文件的记忆提升准确率但会越界套用偏好。
- 影响
- 现有记忆方案在交互偏好上基本失效，做个人助手的产品需重新设计记忆与越界控制。
深读 · 结论先行AI 生成展开看要点与影响 ↓
MemPABench实测：Mem0、MemOS、RAG等检索式记忆不优于无记忆
- •环境含4个模拟用户、14项偏好、跨四个月99个会话，每用户5次事件驱动偏好变更
- •任务要求智能体判断何时澄清、确认或自主行动，属在线策略评测
- •4种记忆系统×4个LLM骨干：检索式记忆（Mem0、MemOS、简单RAG）未超过No Memory
- •基于文件的记忆提升准确率，但会把偏好套用到不相关场景
- •即便正确偏好可得，覆盖智能体原有行为仍困难
为什么重要：个人智能体记忆的现有卖点被泼冷水：检索不等于理解交互偏好，采购或自研记忆层时应以行为适配而非召回率作为指标。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。