量子位 (微信公众号)T2·智能体与协同
78 分
腾讯元宝与伦敦国王学院 NLP 团队联合发布 GroupAssistBench,基于 50 个真实群聊、80,299 条历史消息构建 2,395 道评测题,首次将 Agent 记忆能力拆分为 L1 事实召回与 L2 开放式服务两个层级。实验对比 14 组配置后发现,记忆召回更强并不等于服务能力更强,例如 EverMemOS 在 L1 得分 0.621 高于完整上下文的 0.570,但在 L2 仅得 0.247,远低于后者的 0.431。论文、代码与数据集均已公开。