arXiv论文发布FEB-30基准评估Agent记忆

发生了什么

据arXiv cs.CL论文，现有Agent记忆评估范式存在缺陷，将记忆正确性与检索生成质量混淆。研究引入FEB-30基准，包含30个事实演化轨迹，通过范式反转构建确定性真相。测试显示内在与外在评估平均偏差16个百分点，系统仅20%时间正确分类记忆操作。