- 论文公开站arXiv
DolphinBench：绘制智能体记忆的帕累托前沿
DolphinBench: Mapping the Pareto Frontier of Agent Memory
摘要显示，现有记忆基准多采用对话问答形式，问题本身已暗示需检索的事实，且仅以准确率评分，允许系统以不合理成本与时间换取高分。DolphinBench 改为通过智能体任务完成度直接评估记忆，包含三种知识工作角色，每角色约 50 万 token 用户消息，每个角色 200 项任务均经有/无相关历史对照验证，并要求同时报告总成本与延迟。
意义：为智能体记忆系统提供兼顾准确率、成本与延迟的评测基准，有助于避免以不合理开销刷分的记忆方案。
- 论文公开站arXiv
BrainWideBench：多区域神经记录的大规模预训练与跨动物迁移基准
BrainWideBench: Benchmarking large-scale pretraining and across-animal transfer in multi-region neural recordings
摘要显示，该工作提出 BrainWideBench，用于评估多区域神经记录上的跨动物迁移能力，数据基于国际脑实验室 Brainwide Map，覆盖 139 只小鼠、276 个脑区。基准包含三类任务：行为解码、掩码或未来神经活动预测，以及解剖组织结构的恢复。结果显示预训练优于单会话基线，但迁移收益高度依赖预训练目标与下游任务的对齐程度，没有单一方法在全部任务上普遍最优。
意义：为神经基础模型提供统一评测协议，提示开发者预训练目标需与下游任务对齐，而非追求通用表征。