UCSB 等机构公开 WorldMemArena：把多模态 Agent 记忆拆成写入、维护、检索、使用
- 基准发布：UCSB、斯坦福、苏黎世联邦理工、约翰斯·霍普金斯、CMU 与 J.P. Morgan 研究者联合提出 WorldMemArena，论文被 NeurIPS 2026 接收，代码与数据已开源。
- 评测设计：以“观察—行动—环境反馈”循环追踪记忆如何影响后续判断，把长期记忆拆为写入、维护、检索、使用四个环节，并为任务标注关键记忆点、状态更新、干扰信息与证据链。
- 数据规模：包含 400 项以上多会话任务、24,258 组问答、15,595 张图像或截图，任务分为 Lifelong Evolution 与 Agentic Execution 两类。
- 主要发现：存储量不等于调用质量——M2A 记忆召回率 86.83%，最终问答正确率 50.14%；MemGPT 对应为 85.20% 与 57.81%；系统更倾向追加新记忆，而非及时修订旧记忆。
- 行业意义：Agent 记忆评测从“能否复述过去”转向“能否维护持续变化的世界，并让过去经历帮助下一步行动”；更可靠的记忆系统需要会修订、会甄别证据，并把失败反馈转为后续判断依据。 🔗 机器之心报道 | 论文 | 项目主页 | 代码 | 数据